|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14443
- 金币
- 2507
- 威望
- 1647
- 贡献
- 1455
|
今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。
' h% n& w( b% u! r: ]; T4 `" O# Q3 N& L$ V/ g8 t
首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下：
) Z% G- \% x5 b8 x/ U5 X/ f& p P! \
' s8 K$ ?9 _( i9 o8 o
& V2 O! i! q) y& e- Y＜form action=" abstractSRCfrompage.php3" method="post"＞
3 E! S$ N7 M2 m4 S 输入网址＜input type=text name=filename＞＜br＞
5 w3 d+ r% z" j* \' i: }$ I6 [: [; |: v ＜input type=submit name=submit value="提交"＞
7 K* ]( v/ T3 _! j3 x* ~2 w＜/form＞ 7 n. I' {% v& O& j) l
5 M- Z: [5 y# x3 W! u, }
9 S9 C8 a) b( d# o9 s ?1 j 输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：, P5 u7 B* j' H! R
7 }0 D7 S$ D* D+ L/ a! q e
. n3 o8 E% @7 ]＜?php2 M8 n9 O4 O8 N
if ($filename!=""){* h+ t( |7 Q# |" b" ~
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案； w6 g9 V: R; Z2 f5 K5 W9 g
while ($buffer = fgets($fp, 1024)) {
( o& V8 S5 \; v5 m0 L8 u$source .=$buffer; }
" H4 |% r* f( R$ Z- m9 ifclose($fp);
3 ^& n! v% A5 j) U2 \" {) nfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记- z7 Y- N0 L F% k% U
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
O& T2 }7 M3 g6 v( becho "找到图片标签:)＜br＞";}+ ^ A' x: J) J* M2 G( M
else{* \* U, }8 O7 p, h
echo "未发现图片标签:(＜br＞";}" s/ d8 W9 m H$ r, v0 m
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
& V2 A/ _3 W. ^6 v/ z: g! ~$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);/ h: k) X! }) O
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";& d! @4 w4 g# p5 [' f$ `
for($i=1;$i＜sizeof($splitres);$i++){; M/ Z K! ?! n, V( H
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
4 g0 l- d& R* _4 B7 qunset($imgname); // 再次使用前删除imgname变量；4 K: D4 X6 ?5 m( q
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量, f1 B6 B. x" U7 i! `- J
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
4 H- X# T* q \. H. i! i}0 x: t) b( O6 L
}
( f: Q! h: C4 z- W9 X% ~7 m' |?＞
% J; S2 k" G' ^& X0 o4 D, E& J* R. c: J5 x
) {0 Q- E( v6 U6 R/ l- ]8 l& r 该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
. p9 L5 H3 M# x$ y2 L: l7 G M* B) Z* o4 q/ ?, R
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
. D& } s' I& {1 j
6 h: ]+ `' c* n. F 好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。4 ^4 @& y# I, B N' u/ D8 b% N
. d6 y8 Q! i: m) e; Q# ?! G3 e& z. J& {
如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？ |
|
发表于 2008-1-19 23:31
| 