IDC资讯中心
上篇，我们介绍了正则表达式的概念及其在网络编程中使用正则表达式验证用户在线输入的邮件地址以及网址的格式是否正确的应用实例，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。
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：
＜form action=” abstractsrcfrompage.php3″ method=”post”＞
输入网址＜input type=text name=filename＞＜br＞
＜input type=submit name=submit value=”提交”＞
＜/form＞
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：
＜?php
if ($filename!=””){
$fp = fopen($filename, “r”); file://若输入不为空，开启本地或者远程档案；
while ($buffer = fgets($fp, 1024)) {
$source .=$buffer; }
fclose($fp);
file://查找$source中是否有＜img …src=”…/…gif | jpg”＞ 这样的标记
if(eregi(“(＜img)+[^＜＞]+(src=”)+[^*”＜＞|]+(.)+((gif)|(jpg))+(“)”,$source)) {
echo “找到图片标签:)＜br＞”;}
else{
echo “未发现图片标签:(＜br＞”;}
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，
$splitres=split(“((“＞)|())+(＜img)+[^＜＞]+(src=”)”,$source);
echo “找到: $imagenums-1个图片＜br＞分别为:＜br＞”;
for($i=1;$i＜sizeof($splitres);$i++){
file://二次拆分，用”拆分。因为文件名能含有”，得到的拆分数组的第一个元素就是路径+文件名了;
unset($imgname); // 再次使用前删除imgname变量；
$imgname=spliti(“””,$splitres[$i]);//将析取的图片信息依次赋给imgname变量
echo “$i=＞”.$imgname[0].”＜br＞”; file://输出析取的图片信息
}
}
?＞
该段程序的设计思路是：php程式判断是否输入了档案名称(网址url或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets(fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
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。
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。
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？
