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。    S& J1 M8 U- x' `% X
) k' {* C4 }+ u% r: ]# W/ W6 u  o4 m
　　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： . u$ ]+ U% W* v5 K
7 h/ c1 E# L- p9 N
2 @5 t& n5 @; K
＜form action=" abstractSRCfrompage.php3" method="post"＞; W( R* P& N1 g) e$ D7 ^
　　输入网址＜input type=text name=filename＞＜br＞
! g$ p: c0 h* F* G5 E　　＜input type=submit name=submit value="提交"＞
; P* C2 p# s1 {  T- Y+ E＜/form＞
0 K& _3 Z  t2 [- {- D
$ P( T9 w6 f: M( u
  d" V" z# D" b  q　　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：
1 B7 M& h" b3 m9 m3 P8 o: O( L/ Y6 u8 c/ Y
0 j+ u/ x+ s6 ?# u
＜?php
0 D5 [! v! c3 U: q6 Q! eif ($filename!=""){
3 C0 p8 e$ \0 Z+ h' e7 [$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
) x+ e2 F0 \6 g0 b2 w! Qwhile ($buffer = fgets($fp, 1024)) {: P, f+ v+ `  A
$source .=$buffer; }
, `! R+ x# ^; W" Bfclose($fp);
* K8 K  u# F1 T& R$ K# jfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
+ e) D& Z. C* b8 M* r' l# c$ f. Gif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
$ G3 e+ i* V$ m7 }& a$ ]. c3 @8 Yecho "找到图片标签:)＜br＞";}
1 `" r% a8 ^& Ielse{+ |5 j* U7 l( b1 M5 t- i. J
echo "未发现图片标签:(＜br＞";}0 E: N& R4 u8 A
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，
0 l1 e4 O; ~# ~3 k1 w  d! O$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);( }# f  \& A& k5 G0 p  ^$ [2 _' H/ h
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";  _0 K7 S/ z) j; c
for($i=1;$i＜sizeof($splitres);$i++){
; j: @, j- R7 k* mfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
0 Y* h' F& j: m. o7 R! D0 l4 ^" B: Munset($imgname); // 再次使用前删除imgname变量；
- \4 h4 O5 s$ i+ b" j* {* l) E1 x$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
4 J# ]& E" F9 M# secho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
8 W, {8 U4 F: f7 H7 s' l}
6 b# F- F6 y8 U6 C}$ h  J* o2 P5 c9 f  [
?＞0 @6 e( {' R$ d, ^' i
. L) i4 |. {# I

& l6 e& J( p7 z+ x. G& X# w. n　　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。6 d/ x, `& N0 u4 w0 R( N
$ u* f! }) w! H, E! Z/ L. i  V
　　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  d- B8 a1 N6 b9 F
9 f- c/ d" Y: P& v0 R0 k* 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。# w6 {; d9 z- s2 V1 i

- P! `  H& {2 k6 [; r+ D! d: ?　　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？