|
 
- 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。
* ~' O' I. d, A+ t0 P
' ^, |$ A/ {9 A1 e# o# u 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 S4 s1 i4 F& }+ |: X) e
5 E5 o( ]! W; y& f% m% h0 y ?# j7 d, R) v
＜form action=" abstractSRCfrompage.php3" method="post"＞
6 p0 G% _9 G$ }. V; _/ F( g! K, u 输入网址＜input type=text name=filename＞＜br＞
, f5 p. _7 ~% h3 ?9 |/ A ＜input type=submit name=submit value="提交"＞
2 K u: ]* S4 m% t7 G- t% a＜/form＞ ' Y% p2 J" G7 e) o1 }
5 c! O( g1 I- a3 z5 T* l# I5 d1 g l/ D$ {3 C. y3 ^) O
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： m+ @; G7 G$ w" o% W
6 d. y! O3 d0 v; q5 i5 q, B: y$ L+ g* f2 I
＜?php. b" `' c1 V) M1 S( {! }) i
if ($filename!=""){
# }$ \* X7 o9 X1 y0 G" x, L$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；7 _9 m7 K, K" `) k
while ($buffer = fgets($fp, 1024)) {
9 V) B% S& i& }. r$ C7 _$source .=$buffer; }( P* v! s8 g- r
fclose($fp);
$ [% v$ [& m5 F! b- _7 ^file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记% r" g& }2 |* a) _% A: j
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
" C1 z/ r/ I. |8 recho "找到图片标签:)＜br＞";}* S5 C& b' l! r1 ]; r
else{! O! d# l8 J" O" R
echo "未发现图片标签:(＜br＞";}. C4 o3 J# R& n6 S4 ~* [( P
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，
6 ^, }2 I1 m4 `) I! s$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);8 A( p$ }* f' o) D7 v$ ]
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";8 T- t& r J* B7 o% i
for($i=1;$i＜sizeof($splitres);$i++){
4 T2 [8 H$ s! d1 J1 X8 ]5 O; Ffile://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;' `2 m+ b; n7 C# \; e5 t/ Q
unset($imgname); // 再次使用前删除imgname变量；
$ ^; H8 t2 k4 K$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量5 Y$ s* X% t' t; z' x7 c# }
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息& x/ @+ w% ]% l4 k m1 @
}
' j# b# P* D0 h2 w& N}
L" r* N7 W, y) l! ^/ w?＞
- ~" v5 }" d$ x4 M+ f7 ~* T9 l3 N
7 F4 ~1 }* I" m- p: \' W* @. b# n$ t+ R P
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。8 E+ f; n; u1 p8 p
& p$ y$ n+ a2 y8 G+ d e 其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
0 r4 d- n' b0 d" J
1 r% f' v2 m! T# n5 \1 R 好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
/ U* K0 }% l" O' x- h- C$ F0 _+ ~: {) }, ^& K% l7 S6 M4 r
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
| 