'Descargar' código fuente de una web

renton · #1 (**permalink**) 21/01/2005, 08:06

Buenas gente!

Sabéis alguna forma de descargar todo el código fuente de una pagina web?
Osea,q x ejemplo introduzcas una URL y te baje el

<html>
<head>
....
....
....
....
</head>
</body>

de la página en cuestión.
El objetivo como os podéis imaginar es parsearlo posteriormente.

Gracias!!!!

ignacio_giri · #2 (**permalink**) 21/01/2005, 10:19

Bueno, te comento que eso es netamente casi imposible "descargar" una pagina y luego parsearla totalmente como venga, y más si son sitios programados por ejemplo con PHP, porque son lenjuajes del lado del servidor y cuando los "descargas" estas viendo un HTML generado.

No se si la solucion que te voy a dar, pero en cualquier explorador, te vas a Archivo > Guardar como > pagina completa, y ahi tenes todo el sitio guardo con imagenes y todo.

La verdad que a mi, hacer eso no me ha servido de nada por ahora.

Un Saludo,

Cluster · #3 (**permalink**) 21/01/2005, 13:57

Tal vez lo que te hace falta especificar es si lo que quieres obtener es el HTML/etc generado tras una petición a una página tipo http://www.tal.ta/nose.tal .. o realmente el "código fuente" de ese -por ejemplo- nose.php (con sus <? .. código php ?> y demás)

Si quieres "parsear" lo que resulta de la ejecución de una página (sea .html .. .php .asp .jsp .pl .. o lo que sea) .. puedes usar el control del buffer de PHP para leer tu página (insisto: el resultado) hacia una variable .. que posteriormente tu trabajaras como una "cadena" mas para "parsearla".

Código PHP:

  <?

ob_start();

readfile("el URL de la pagina");

$html=ob_get_contets()

ob_end_flush();

 
// y con tu $html .. ya lo procesas como un string cualquiera.

?>

Un saludo,

renton · #4 (**permalink**) 22/01/2005, 12:50

Perfecto Cluster, es exactamente lo que buscaba!!
GraciasSsS!!!

kavalerian · #5 (**permalink**) 22/01/2005, 13:19

Una pregunta sobre el tema y perdonar mi ignorancia:
¿Que es exactamente "parsear un pagina"??

Cluster · #6 (**permalink**) 23/01/2005, 14:27

Cita:

Iniciado por kavalerian

Una pregunta sobre el tema y perdonar mi ignorancia:
¿Que es exactamente "parsear un pagina"??

Tomar su "còdigo" (el HTML/javascript .. etc y contenido en sì) para "procesarlo" .. Ese "proceso" normalmetne se hace para "quitar el HTML/javacript" y quedarte con el "contenido en sí" de tu página .. o algùn dato concreto que está localizado en la página por algùn factor (tal vez entre tal tag HTML .. al leerlo en tal linea y zona .. etc). Esto último serìa el "parseado" mas o menos.

Un saludo,

suncreative · #7 (**permalink**) 23/01/2005, 23:46

no se si alguien utilice linux, pero hay un pequeño programa que es el wget el cual obtiene toda la informacion de una direccion ke le pongas.... ya sea http://www.cualquierpagina.com/ o http://www.cualquierpagina.com/algunaseccion.??? pero tambien existe tal para windows... te recomiendo busques wget y cheka como utilizarlo...

nos vemos...

Cluster · #8 (**permalink**) 24/01/2005, 05:49

Cita:

Iniciado por suncreative

no se si alguien utilice linux, pero hay un pequeño programa que es el wget el cual obtiene toda la informacion de una direccion ke le pongas.... ya sea http://www.cualquierpagina.com/ o http://www.cualquierpagina.com/algunaseccion.??? pero tambien existe tal para windows... te recomiendo busques wget y cheka como utilizarlo...

nos vemos...

El problema de usar esos comandos própios del S.O. es ese mismo ... hace que dependas del S.O. usado en el servidor y que tengas permisos para ejecutar comandos en el mismo (exec() .. etc) .. Esto a veces no es posible sobre todo en configuraciones de PHP tipo "safe_mode" a ON ... (módo seguro).

Por otro lado .. es cierto que la ejecución de un comando o aplicación de ese estilo por parte del S.O. del servidor será más eficiente que hacerlo vía "PHP" ("interpretado").

Un saludo,