Clase de parseo en links e imagenes [aporte]

[Italico76]

Bueno...aca una clase para parsear:

- TITLE de la pagina
- META TAGS
- ENLACES
- IMAGENES
- VIDEOS *** new ***

Código PHP:

  <?php
//// By Pablo Bozzolo (2009)
///
///  Expresion regular para links by Chirp Internet: www.chirp.com.au
 
 
Include "links.class.php";
Include "video.class.php";
 
class tagParser {  // clase 
//////////////////////////////////////
  private   $html; 
  
  protected $title; // title de la pagina
  protected $titleProcesado=FALSE;       #bool
  
  protected $metatags;
  protected $metatagsProcesados=FALSE;   #bool
  
  protected $enlaces;
  private   $cantEnlaces;
  private   $contadorEnlaces;
  protected $enlacesProcesados=FALSE;    #bool
  
  protected $imagenes;  
  private   $cantImagenes;    
  private   $contadorImagenes;  
  protected $imagenesProcesadas=FALSE;   #bool
  
  protected $videos;
  private   $cantVideos;
  private   $contadorVideos;
  protected $videosProcesados=FALSE;     #bool
  //////////////////////////////////////  
  
  function __construct($html){ 
   $this->html=$html;    
   $this->html =str_replace("\"" , "'" ,$this->html);  //reemplazo comillas dobles por simples para simplificar expr reg   
  } 
  
  //// LINKS
  
  function parseLinks(){      
    preg_match_all("/<a\s[^>]*href=(\"??)([^\" >]*?)\\1[^>]*>(.*)<\/a>/siU",$this->html,$this->enlaces);  // expresion para parseo de LINKS    
    $this->cantEnlaces=count($this->enlaces[2]);
    $this->contadorEnlaces=0; // procesados
    $this->enlacesProcesados=TRUE;
 
  }    
 
  function getLinkCount(){
    if ($this->enlacesProcesados){  
      return($this->cantEnlaces);
    }else{
      echo "ERROR: NO HA PROCESADO NINGUN ENLACE!";
      exit;     
   }      
  }
  
  function getLink(){       
    $uri = str_replace("'","",$this->enlaces[2][$this->contadorEnlaces]);     
    $diana = $this->enlaces[3][$this->contadorEnlaces];    
    $this->contadorEnlaces++;
    $linktogive = new link ($uri);
    $linktogive->setDiana($diana);
    return ($linktogive);   
  }  
  
  //// Imagenes
  
  function parseImages(){  
    preg_match_all("|<img\s[^>]*src=(\"??)([^\" >]*?)\\1[^>]*/>|siU",$this->html,$this->imagenes);  // expresion para parseo de LINKS    
    $this->cantImagenes=count($this->imagenes[1]); // BUG fixed 
    $this->contadorImagenes=0; // procesados
    $this->imagenesProcesadas=TRUE;    
  }
  
  function getImageCount(){
    if ($this->imagenesProcesadas){  
      return($this->cantImagenes);
    }else{
      echo "ERROR: NO HA PROCESADO NINGUNA IMAGEN!";
      exit;     
   }      
  }
    
  function getImage(){    
    $img     = str_replace("'","",$this->imagenes[2][$this->contadorImagenes]); 
    $imgtogive = new Img($img); 
    $this->contadorImagenes++;
    return ($imgtogive);   
  }  
 
  //// TITLE de la pagina
  
  function parseTitle(){
    preg_match('|<title>(.*?)</title>|is',$this->html,$title);      
    $this->title=$title[1];
    $this->titleProcesado=TRUE;
  }
  
  function getTitle(){
    if ($this->titleProcesado){  
      return ($this->title);
    }else{  
      echo "ERROR: NO HA PROCESADO NINGUN TITLE";
      exit;     
    } 
  }
  
  //// META-tags 
  
  function parseMetas(){
    save_file("parser.tmp",$this->html); // generar uno q no exista        
    $this->metatags = get_meta_tags("parser.tmp");
    $this->titleProcesado=TRUE;
  }    
  
  function getMeta($tag){
    return ($this->metatags[$tag]);
  }
  
  //// VIDEOS
  
  function parseVideos(){
  
    // YouTube    
    preg_match_all( '/value=\'(http:\/\/[^&"\'\s]+)/i',$this->html,$this->videos);        
        
    // MeyaCafe
    preg_match_all('|http://www.metacafe.com/fplayer/(.*?).swf|',$this->html,$metacafe);    
    
    for($i=0;$i<count($metacafe[1]);$i++){       // lo paso al mismo array
      $this->videos[1][]="http://www.metacafe.com/fplayer/{$metacafe[1][$i]}.swf";
     }
    
 
    $this->cantVideos=count($this->videos[1]);     
    $this->contadorVideos=0; 
    $this->videosProcesados=TRUE;                
  }
  
   function getVideoCount(){
    if ($this->videosProcesados){  
      return($this->cantVideos);
    }else{
      echo "ERROR: NO HA PROCESADO NINGUN VIDEO";
      exit;     
   }      
  }  
  
  function getVideo(){ // podria recibir el tipo como parametro (YouTube,MetaCafe,etc)    
 
    $videotoget = new video($this->videos[1][$this->contadorVideos]);
    $this->contadorVideos++;
    return ($videotoget); 
  }
    
 
}# fin de la clase
 
 
  Function save_file ($file,$content){  
  //guardo $content en un archivo
    if (!$handle = fopen($file,"w+b")){
      echo "Error: archivo no pudo ser abierto";
      return (False);
      exit;
    }  
    if (!fwrite ($handle, $content)){
      echo "Se ha producido un error y nada se ha escrito";
      return (False);
      exit;
   }  
   return (true);  // todo ok
  }
    
 
?>   

Para probarlo deben bajarse las otras clases que puse mas abajo y aca un ejemplo de uso:

Código PHP:

  <?
Include "tag_parser.class.php"; // la clase principal
 
$contenido='<body><title>Pagina de Pablo</title> <meta http-equiv="Content-Type" content="text/html; charset=utf-8"/><meta name="keywords" content="Metatags,Buscador,HTML,Página web" />
</body>Hola <a    href="http://www.mundo.es"  title="cualquier fruta" rel=\'nofollow\'    ><img src="pepe.jpg"/></a>!, loco que <a href="http://www.cruel.com">cruel</a> que sos por <a href="dios.net">Dios</a> ja <p/>
 
<object width="425" height="344"><param name="movie" value="http://www.youtube.com/v/N9afSH6I3a0&hl=en&fs=1&"></param><param name="allowFullScreen" value="true"></param><param name="allowscriptaccess" value="always"></param><embed src="http://www.youtube.com/v/N9afSH6I3a0&hl=en&fs=1&" type="application/x-shockwave-flash" allowscriptaccess="always" allowfullscreen="true" width="425" height="344"></embed></object>
 
<p><br /><div align="center"><embed pluginspage="http://www.macromedia.com/go/getflashplayer" src="http://www.metacafe.com/fplayer/223037/technology_cooking.swf" width="400" height="345" type="application/x-shockwave-flash" flashvars="altServerURL=http://www.metacafe.com&amp;playerVars=videoTitle=Technology CookingshowStats=yesautoPlay=noblogName=mas tecnoblogURL=http://mastecno.com" wmode="transparent"></embed> </div>
 
<img style="cursor: pointer;" src="http://1.bp.blogspot.com/_CP8nAQLnf5Y/RpvbtUlyH-I/AAAAAAAAArI/Au7GZ82_I_U/s320/candado2.jpg" alt="" id="BLOGGER_PHOTO_ID_5087901775712886754" border="0" /><!-- no lo parsea! por el style delante -->
<a id="202" title="google uk" href="http://www.google.uk" style=\'color:red\'>Google UK</a>
<a href="pepe.com" >Pepe</a><p/> <IMG   SRC="casa.jpg"   /> ';
 
$tags  = new tagParser($contenido);
 
$tags->parseLinks();
 
for ($i=0;$i<$tags->getLinkCount();$i++){
  $enlace = $tags->getLink();
  $uri = $enlace->getUrl();
  $anchor = $enlace->getDiana();
  echo "$uri<br/>$anchor<p/>";
}
 
$tags->parseImages();
 
for ($i=0;$i<$tags->getImageCount();$i++){
  $img = $tags->getImage()->getImg();  
  echo "$img<br/>";
}
 
$tags->parseTitle();
echo $tags->getTitle();
 
$tags->parseMetas();
echo $tags->getMeta('keywords');
 
echo '<p/>';
 
$tags->parseVideos();
 
for ($i=0;$i<$tags->getVideoCount();$i++){        
  $video    = $tags->getVideo()->getSource();     
  echo "$video<br/>";
}  
 
?>   

Espero la encuentren util

[GatorV]

Creo encontrás este aporte muy util: http://www.forosdelweb.com/f18/aport...nas-web-574722

Saludos.

[Italico76]

Lo bueno de la que mencionas, es la forma de comunicacion. Muy buena, gracias!

[Italico76]

si la quieren probar van a necesitar de estas clases tambien:

"links.class.php"

Código PHP:

  <? // link class .php

class Img {  // clase img 
  private $url; 
  private $alt; 
  private $border;    
   
  function __construct($url){ 
   $this->url=$url;   
   $this->setborder(0);
  } 
  
 function addAlt($alt){
   $this->alt="alt='$alt'";
  }  
  
 function setBorder($border){
   $this->border="border='$border'";
 } 

  function getImg(){
   return $this->url; // aca habia un error (!)
 } 

 function getAlt(){
   return $this->alt;
 } 
  
 function show (){
   return "<img src='$this->url' $this->alt $this->border  />";           
 }    

 function __toString (){  
   return ($this->show()); 
 }  
 
} 

class link { // super-clase,  antes abstracta (abstract class link)
  public $url;    // antes protected
  public $diana; 
  public $title;  // antes protected
  public $target; // antes protected - relacionado con newPage()
    
 function __construct($url){ 
   $this->url=$url;        
 }     
  
 function addTitle($title){
   $this->title="title='$title'";   
 }
 
 function newPage(){
   $this->target="target ='_blank'";
  }  
 
 function getTarget(){
   return $this->target;
 }  
 
 function getUrl(){
   return $this->url;
 } 
 
 function setDiana($diana){ 
   $this->diana=$diana;
 }

 function getDiana(){  
   return $this->diana;
 }
 
}

class Link2text extends link{    // clase Link a texto
  private $anchor; 
    
  function __construct($url,$anchor){ 
   parent::__construct($url); 
   $this->anchor = $anchor; 
  } 

 function setAnchor($anchor){ 
   parent::setDiana($anchor);
 }

 function getAnchor(){ 
   return (parent::getDiana());
 }
 
 function __toString() {  // 'metodo magico'  que genera una salida (me evito ponerle nombre a la funcion porque se ejecuta sola al hacer echo o print)
   if (isset($this->title)){
     $title=' '.$this->title;
   }else{     
     $title=$this->title;
   }     
   return "<a href='$this->url'".$title."$this->target>$this->anchor</a>";
 } 
}

class Link2graph extends link{  // clase Link a Grafico  
 
  function __construct($url,$img_url){   // quizas podria acetar un objeto tipo imagen
  
   parent::__construct($url);    
   $imagen = new img($img_url);    
   parent::setDiana($imagen);
  }
  
  function addAlt($alt){
   $this->imagen->addAlt($alt); // uso el metodo add_alt de la clase IMG
  }  
    
 function __toString (){       
   $img = parent::getDiana();
   $title=$this->title;        
    return "<a href='$this->url'  $this->title $this->target >$img</a>";
 }   
}

?>   

"video.class.php"

Código PHP:

  <? 

class video {  # clase video
   private $source;  // url
   private $width;
   private $height;    
   private $color;    
   private $brand; // {IMBD: youtube, metacafe, ....}
   private $id;
   private $center;
   
 
  function setDefault(){
    $this->setWidth(400); 
    $this->setHeight(345);    
    $this->color[1]='b1b1b1'; // anteponer 0x al imprimir
    $this->color[2]='cfcfcf';
    $this->center=FALSE;
  } 
 
 function setSource($source){
   $this->source=$source; 
  }
  
 function getSource(){
    return $this->source;
  } 
  
 
  function __construct($source){ 
  
    $this->setSource($source);       
    $this->setDefault();
    
    if (strstr($source,'youtube')){
      $this->brand='youtube';
    }else{  
      if (strstr($source,'metacafe')){
        $this->brand='metacafe';
      }else{
        echo 'FORMATO DE VIDEO NO RECONOCIDO';
        break;        
      }       
    }  
  } 
     
  function setWidth($width){
    $this->width =$width;
  } 

  function setHeight($height){
    $this->height = $height;
  } 
 
  function setColor1($color){
    $this->color[1] = $color;
  } 
 
  function setColor2($color){
    $this->color[2] = $color;
  }  
   
  function setBrand($brand){
    $this->brand=$brand;
  }
  
  function getBrand(){
    return $this->brand;
  }
  
  function getID() {  
    return $this->id; // el ID deberia extraerse de SOURCE (!)
  }    
  
  function __toString (){    
  
    switch($this->brand){
      case 'youtube':
        return "<object width=\"{$this->width}\" height=\"{$this->height}\"><param name=\"movie\" value=\"{$this->source}&color1=0x{$this->color[1]}&color2=0x{$this->color[1]}&feature=player_embedded&fs=1\"></param><param name=\"allowFullScreen\" value=\"true\"></param><param name=\"allowScriptAccess\" value=\"always\"></param>
<embed src=\"{$this->source}&color1=0x{$this->color[1]}&color2=0x{$this->color[2]}&feature=player_embedded&fs=1\" type=\"application/x-shockwave-flash\" allowfullscreen=\"true\" allowScriptAccess=\"always\" width=\"{$this->width}\" height=\"{$this->height}\"></embed></object>";
        break;
      case 'metacafe':
        return "<embed pluginspage=\"http://www.macromedia.com/go/getflashplayer\" src=\"{$this->source}\" width=\"{$this->width}\" height=\"{$this->height}\" type=\"application/x-shockwave-flash\" flashvars=\"altServerURL=http://www.metacafe.com&amp;playerVars=videoTitle=Technology CookingshowStats=yesautoPlay=noblogName=mas tecnoblogURL=http://mastecno.com\" wmode=\"transparent\"></embed>";
      break;
     }     

    
 }     
 
} #fin de clase video

class youtube extends video {  #clase hija: youtube
  
  function __construct($source=""){      
 
    parent::setSource($source);
    parent::setDefault();
    parent::setBrand('youtube');
    //$this->brand='youtube'; /// por q no funciona en la clase padre ????
    
  }
  
  function setID ($id){ // forma alternativa de indicar de que video se trata
    $this->id=$id; 
    parent::setSource("http://www.youtube.com/v/$id");
  }  
  
  function __toString (){ 
    return (parent::__toString());
  }  
  
}  # fin de clase 

?>