Html源文件中image标签的析取 HTML, image, 标签

admin

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。  
5 N$ h8 ?9 ^) H4 o0 P1 X$ K* k( x! Y: _" k5 ?5 B# P$ }3 ?
　　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：
4 b) f! M& |' _- V. y: f% G  Y; d0 f9 w+ b5 m( C

# B2 ^! G7 H. h6 L＜form action=" abstractSRCfrompage.php3" method="post"＞
, G$ l% \2 @2 V# l　　输入网址＜input type=text name=filename＞＜br＞4 A/ Q, t* Z; I
　　＜input type=submit name=submit value="提交"＞
; Z/ b- T% Y2 x) x& S  R; K2 O＜/form＞
% C( `2 U! O1 {! B& z
* d; G; {& M- ?' }2 z# S7 |
0 T5 f* E$ d; y5 P7 s; R　　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：& C$ d; c. |. \3 o. w
! N1 j+ l$ b( j6 z

9 Q. C9 ?4 ]& b) S) O6 J6 l+ y＜?php% m& f, c& `# D& v  g- Y. b! b% ?
if ($filename!=""){: R# D; V+ J+ @
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
7 H7 C$ M6 b  fwhile ($buffer = fgets($fp, 1024)) {
. H1 O- J5 P1 x3 @6 _5 B, C$ V$source .=$buffer; }
5 {3 I! k. S& k, P; b8 Kfclose($fp);
1 ?/ w+ O/ w. f+ o  Qfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
6 \1 V* d+ t, [+ rif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {" w7 |3 f( Z, b7 H8 N3 _% u* _
echo "找到图片标签:)＜br＞";}
7 j9 O" T& `* M5 S' eelse{* T3 F: U/ Y* X2 p; Z
echo "未发现图片标签:(＜br＞";}
' X1 z8 ^- C! [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，4 g. }  X' k5 e5 g& F8 P/ Y3 w0 Z
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
; p: o" O6 d, P0 s& G  |' iecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";6 K$ b7 m7 Q3 a8 ], R
for($i=1;$i＜sizeof($splitres);$i++){) v0 v% H: ?: E2 D
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 V( }2 r8 {& J1 m4 k. munset($imgname); // 再次使用前删除imgname变量；* p8 \) z+ w; v1 C7 O: d
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
0 c  Z; }9 a1 c% h; secho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
* L! h' x0 _" @  n& V5 {' l* j}
; g) m& ^, |4 j% y}$ f: _& S; E2 E" I% u  b, V
?＞+ x* S$ _0 M/ @+ _! z* b0 C: [" m
, J- A+ [% E: L) W6 W3 a" ~1 V7 ~* R! r
2 d6 D! D+ |2 Y
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。$ b4 X- [% ?3 |6 l! Z9 {

1 c- c; u6 w+ y+ J0 _9 F, e　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。1 p8 Z' k1 o2 @7 g- ~
! ?: r) b  S, a! }' r
　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。8 G4 b" Z1 C$ `( f2 _

& `4 N. \! i: ?" Z2 v　　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？