Textos de otras webs, sin su formato original y actualizado automaticamente.

[Matda]

He estado viendo que en www.portalabogados.com.ar utilizan contenidos de otras webs totalmente ajenas, incluso del gobierno argentino.

Lo que no entiendo es como es tecnicamente posible esto, antes usaban rss para hacerlo, pero ahora ni siquiera eso, estan copiando "textos" de otras webs que se actualizan a diarios y se añaden a la web como si fuesen contenidos propios, sin el formato original, cabecera ni nada.

Es la primera vez que veo esto, incluso he notado que lo hacen en todos los sitios de su "autoria", es como si, por ejemplo, ahora apareciese este post en la web portalabogados, con su formato y ninguna referencia de forosdelweb.com

[H0m3r0J4y]

Es sencillo, lo que debes hacer es correr un script ( ya sea en forma manual o por medio de algun cron) que visite la pagina via fopen(), luego detectas que partes del codigo te interesan usando expresiones regulares y sino las conoces con strstr(). Una ves detectado lo limpias con funciones como strip_tags y lo guardas en una base de datos o lo imprimes, segun lo que desees.

De hecho si manejas bien las regex (expresiones regulares) puedes hacer todo en un solo paso.

Salutes!