|
 
- 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。 - F e$ J K8 @$ y
1 b( U& B: o2 |! F
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： 0 g( R4 _# z+ X1 G2 U9 _
7 [9 I8 F7 V' i+ h P& N. b. s% I9 G5 c" e- M
＜form action=" abstractSRCfrompage.php3" method="post"＞' W9 t0 G S/ `) G6 X- Q
输入网址＜input type=text name=filename＞＜br＞7 e. W: N W. U$ r
＜input type=submit name=submit value="提交"＞& x. G6 [" V3 `7 r5 V! {+ P1 x$ \. i
＜/form＞ , s% f0 ] v6 Y5 H: T6 X
( E9 Z9 `/ I0 A4 ^% P! ?
/ h N4 }; i& y+ q+ A/ k& q( I 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：
! y: X+ j N+ a0 d0 V/ T/ f8 }# A) W9 S/ h
2 N: T0 A+ M4 [) Q7 {
＜?php; ?/ f$ y' F {& [% D3 c
if ($filename!=""){
# J5 }' i! j( e' _: r$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
" H @ h) R5 d. v& `$ Wwhile ($buffer = fgets($fp, 1024)) {+ D- R8 d- e# j! {$ {
$source .=$buffer; }
6 v" Y! j2 [- @6 T) Tfclose($fp);
+ I) F4 ^8 B; d2 g6 ]1 q) Qfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记* B7 Z9 {4 |1 ?7 @; L$ r g; T
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
! c3 {3 d% l* H; A0 o3 l: ?, Hecho "找到图片标签:)＜br＞";}$ G1 [1 M$ X6 s! S3 {& q# n
else{
. O& d1 J$ Y9 p' c9 gecho "未发现图片标签:(＜br＞";}- S( s+ H4 ~, @
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，
9 d6 ] V+ _4 j& q$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);1 o' I* E I; r: C) U
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";0 A$ \7 d9 w# C8 g M0 y$ P
for($i=1;$i＜sizeof($splitres);$i++){
% d9 P" Z# V: p' e9 I# Q9 tfile://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;
3 o: O# Q# ?) t. m4 H3 Uunset($imgname); // 再次使用前删除imgname变量；' J' {; |& O( x
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
W5 @# J" d- secho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
3 b7 p" @: E2 ?}
( Z: A5 N+ W) x' d: W) f}+ N; W$ {' \ b1 e; i. g
?＞
* ~3 r% b( H7 s, U
: E& z% P9 Q5 M! ?( l# U2 Y# V- l; l" E: |. A8 |4 u
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。8 |! R9 B% t, \. j6 t. ^4 C8 u# l
. Z) d, H4 D$ C$ P$ p& F4 J4 p 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 i" o+ f) D( T) w- {7 T
! |3 B4 a9 b2 t4 Q3 z* 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。
# t4 F3 D6 {/ E+ K; b( e* ]( n& F3 N* d7 V A
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
| 