|
 
- 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。 ; r$ n& U$ a4 }/ i, M; X0 \+ }
; @9 s6 n* Z6 q* @0 U S/ ? 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： 9 |2 ]3 r m* P8 y9 I( Z! N
% U/ p7 t, `3 j9 _
6 D: S6 h2 ^3 D8 |, }% g. U: {＜form action=" abstractSRCfrompage.php3" method="post"＞! \, o, ?' E3 I2 ^
输入网址＜input type=text name=filename＞＜br＞: F- t. `& X; v7 }& F
＜input type=submit name=submit value="提交"＞
# h5 R( \0 e& a' r8 k＜/form＞ * \7 _! r) r" ~( x- E
' C2 b& S0 G% z2 M; J( b
- [3 S" |2 }3 [" h 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： {# g% Z8 B/ h3 G+ ~- s- ~
! L0 ~% h; [9 L0 N" C Q9 x& O9 x( w9 U; l$ t. l& T
＜?php5 z/ w2 I! Y# ^3 d7 D0 `6 s
if ($filename!=""){
, K/ s0 s4 W, s; u/ d$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；0 `) |+ A6 F7 C x6 `! T/ |
while ($buffer = fgets($fp, 1024)) { R( Z- U5 `) v& o7 ~) q3 i
$source .=$buffer; }* r6 A+ v' j; ?) o/ b
fclose($fp);
& m& z( T7 b; A+ m5 d4 _9 t8 a3 E! y5 ^file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
. y% h1 u. n4 R' _$ Oif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {+ n& `) K% Z$ F/ X
echo "找到图片标签:)＜br＞";}5 N% J8 b( j3 q3 F( z+ v" ~
else{. L+ Y u G" Y i# L% z
echo "未发现图片标签:(＜br＞";}$ m0 l6 g6 C6 w( [* ~
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，
8 X" ~, i$ G& M$ ^1 y* U' [4 `0 k3 A$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
4 ?) L& R! n% o n5 ^echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";" S" n0 f0 H: T0 i
for($i=1;$i＜sizeof($splitres);$i++){
2 ~, P3 _& r5 [+ Ufile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
. H8 t# d q$ W& ~2 M6 \5 Tunset($imgname); // 再次使用前删除imgname变量；% ~) G' ?. p1 H
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量2 s$ l& G5 V3 y) H* a
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息; r- w& @: ~5 z. v+ C$ p2 S/ m
}
& E' U8 R% a- {7 m( r, d}
; y, S. y+ m& x. j, s: G% F?＞: d' ^6 |9 V' `# P
" ~+ }! S7 i7 v/ [* _7 k6 s. I1 v3 ~3 I! U. H
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。" a, N) V8 N, i) e. w$ g9 S
# y5 C& n% K; ] H6 d0 m
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
" F# Y* m$ k( E" i c$ \# G, d$ k& ]* X6 i% `+ 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。
1 S% H4 y0 j2 s/ O/ Y: H* X$ u( i# X
$ Q M4 B$ B$ R- g1 p! h: ]; 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
| 