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&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
