|
|
最近做站的时候，采集了大量的数据，但采回来的数据基本上都要经过过滤原站保留的数据，其中IMG就是一个地方。网站上好多这些应用例子似乎没有必要“秀”出来，但站已几天没写日志，那就来一个吧
采集回来的图片img标签中，有好多javascript脚本和无用的信息，必需过替换自己想要的，比如alt。先看看要过滤的内容，我随便复制出来：
复制代码 代码如下:
sdfsdfsdf<img alt=”3568df.com靓图” src=”http://www.aaa.com/upimg /080330/120D1232295023X0.gif” src=”http://www.eee.com/upimg/080330 /120D1232295023X0.gif” width=1 onclick=”javascript:; ” onload=”javascript:if(this.width>500){this.resized=true; this.style.width=500;}”>sfsdfsdfasdfsadf<img alt=”3568df.com靓图 ” src=”http://www.3568.com/upimg/080330 /120D1232295023X0.gif” src=”http://www.ddd.com/upimg/080330 /120D1232295023X0.gif” width=1 onclick=”javascript:; ” onload=”javascript:if(this.width>500){this.resized=true; this.style.width=500;}”>sdfsadf<img alt=”3568df.com靓图 ” src=”http://www.xxx.com/upimg/080330/120D1232295023X0.gif” src=”http://www.sss.com/upimg/080330/120D1232295023X0.gif” width=1 onclick=”javascript:;” onload=”javascript:if(this.width>500){this.resized=true;this.style.width=500;}”>sdfsdf
要把上面替换成形如：
复制代码 代码如下:
<img alt=”我的信息” src=”http://www.xxx.com/upimg /080330/120D1232295023X0.gif” src=”http://www.xxx.com/upimg/080330 /120D1232295023X0.gif” /> 其中src=”http://www.xxx.com/upimg/080330 /120D1232295023X0.gif” src=”http://www.xxx.com/upimg/080330 /120D1232295023X0.gif”这个地址要保留，因为图片用的都是源地址
方法大致是：先读取内容里的所以IMG标签，然后把每个IMG标签的SRC抽取出来，并且组合成自己的内容，最后进行替换。
preg_match_all就是我想要的函数，它能够把正则表达式匹配到的内容建立一个三维数组，你可以对它们进行遍历查找替换，不太了解的请查查手册，这里不作具体介绍。函数代码：
复制代码 代码如下:
function replace($str)
{
preg_match_all(”/<img(.*)(src=\”[^\"]+\”)[^>]+>/isU”, $str, $arr);
for($i=0,$j=count($arr[0]);$i<$j;$i++){
$str = str_replace($arr[0][$i],”<img alt=\”我的信息” “.$arr[2][$i].” />”,$str);
}
return $str;
}
|
|
发表于 2008-10-11 22:37:27
