用asp+xmlhttp编写web采集程序(11)

$source .=$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？

正则表达式在UBB论坛中的应用
一、UBB代码的概念

什么是UBB代码？

UBB代码是HTML的一个变种。一般情况下，UBB论坛不允许你使用ＨＴＭＬ代码，而只能用UBB代码替代ＨＴＭＬ代码。

UBB代码是一套由流行的UBB标签组成了固定代码，代码有统一的格式。用户只要遵循代码规则就可以实现用户想要的功能。如：想要显示粗体的how are you 字样，就应该输入 how are you而不是输入＜b＞how are you＜/b＞