|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14247
- 金币
- 2414
- 威望
- 1647
- 贡献
- 1362
|
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。 [+ m: T; j1 M9 w8 `0 J; n' p9 {
% k$ ^* k! B( P& ^- P* P 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：
: a% {( h8 d9 o& A" R
5 G1 x0 _& c" U2 A
- R# k5 P$ z! u: }) \2 I9 f＜form action=" abstractSRCfrompage.php3" method="post"＞
# b' B; q. s1 T 输入网址＜input type=text name=filename＞＜br＞* D3 [. ]5 ? Q* z
＜input type=submit name=submit value="提交"＞& P9 N1 [; T* u& z3 B1 ]
＜/form＞ 9 e6 t% e) s: f% F1 p/ E2 x
9 M( N/ V$ z) z; p, `" o
- m. V0 u4 J9 I4 ] 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：6 n, X( G1 g0 k4 ~2 A9 b. }
& j! v; E3 I C* c. b
4 d% |2 D6 g$ _2 ?& N" b＜?php+ C+ |$ H; c0 }8 n- E% h
if ($filename!=""){
2 _- [5 D2 S4 P: K$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；1 s6 q( _, r; @4 c+ @
while ($buffer = fgets($fp, 1024)) {
# Z# s2 e0 z. N2 O: g K2 K0 x$source .=$buffer; }
6 h2 M/ _# M* r8 \5 E/ P5 u- Qfclose($fp);
1 @* b8 {3 C1 D" {' m3 H% Ofile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
: G, o, ^: Y$ sif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {% I* D; _- z$ t* ?- J
echo "找到图片标签:)＜br＞";}
& \5 w C5 ?9 Q+ @6 ?( eelse{* q5 Z8 }( `/ R$ d# {
echo "未发现图片标签:(＜br＞";}3 y- Y# r/ W; Z6 q) g( I
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，) y+ N9 h. l. t9 ?' m
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
: p% C; Q: z3 ^9 Decho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";8 G* X& `/ k8 j% A- H) ]
for($i=1;$i＜sizeof($splitres);$i++){% A X) I- R: n( I
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;0 \7 E3 F4 v: A& J( T
unset($imgname); // 再次使用前删除imgname变量；. w/ d }% t* I" w# S% E2 @- D
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量 m, O1 ^* t7 v( D9 V
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息3 e* ?9 b. W, c# T. \( h3 y/ t
}
P" A0 n7 E, {1 S1 a}2 Y" u N' S. ]9 j- J+ j/ _
?＞
; C: C0 p! j9 L% x0 i( X
6 t, r+ B0 \" @9 Q/ s- V* s1 {) g; }7 H( V3 B
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
/ z+ B- I& E) g0 d" m( K ?/ i2 O0 x& g! M9 M3 ~
其中函式sizeof($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。% Y- ]% c) U) W" T4 i* c
& u" W# k( m1 k2 O) l1 h4 x: j 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。3 \6 s+ B! q% b+ V' I7 l- Y) t
/ U0 K' J- M8 O$ C% h2 W2 u 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
| 