Guardar pagina web

tony_stark007 · #1 (**permalink**) 07/08/2013, 16:16

Hola, ojala alguien me pueda ayudar. Quiero guardar una pagina web con todo su contenido, hacer algo igual a la funcion Guardar Pagina como, y guardarla completa. Lo primero que hice fue usar funciones de buffer, con lo cual almaceno todo el codigo html y lo guardo en el bufer para crear un archivo html. Lo que me falta es leer el archivo para que me extraiga todos los tags img, link y src para buscar las imagenes, los css, los js, etc. Y ya con esto guardar todo en un zip que se descargue junto con el html. Alguien me podria ayudar?? Una idea de como hacer esto?? o una idea para hacer esto de diferente manera?? Este es mi codigo que tengo para crear el html

Código:

<?php
    //ob_start("convierte_caracteres_especiales");
    ob_start();
?>


<html> 
    <head> 
        <meta http-equiv="Content-type" content="text/html;charset=UTF-8">
        <title>Prueba</title> 
    </head> 
    <body> 
        

        <?php

        echo "<h2>Hola Mundo!!</h2>"."<br />";
        echo "<div>Hola!!!</div>";
        ?>

    </body> 
</html> 

 <?php
//inicio el buffer de salida 
        

        function convierte_caracteres_especiales($buffer) {
            //return htmlentities($buffer);
            return $buffer;
        }
        
        $html=ob_get_contents();
        
        ob_end_flush();
        
        $myFile="newHTML.html";
        $create= fopen($myFile, 'w') or die ("El archivo no se pudo crear");
        $contentFile=$html;
        fwrite($create, $contentFile);
        fclose($create);
 ?>

Triby · #2 (**permalink**) 07/08/2013, 19:27

No es algo simple de hacer, pero más o menos sería algo como:

1- Obtener el código; eso parece que ya lo tienes
2- Analizar el contenido con DomDocument, expresiones regulares u otra opción para obtener rutas de scripts e imágenes
3- Obtener tanto scripts como imágenes (con cURL, file_get_contents() u otro) y guardarlos en una carpeta
4- Reemplazar URL's de scripts e imágenes para que sean cargadas de forma local
5- Guardar todo y crear tu zip

tony_stark007 · #3 (**permalink**) 07/08/2013, 19:39

Muchas gracias Triby, me has dado una pista de por donde puedo empezar, soy un novato y no tengo idea de como se hace todo esto pero ahora mismo me pongo a ver la forma de como se hace todo esto, de todas formas cualquier ayuda es bienvenida, y te repito, muchas gracias por las pistas que me acabas de dar

Naahuel · #4 (**permalink**) 07/08/2013, 19:50

Eso se llama "Web scraping". Buscá en Google PHP Web Scraper o algo así.

Yo encontré esto: https://github.com/fabpot/Goutte Tal vez te sirva.

tony_stark007 · #5 (**permalink**) 07/08/2013, 22:44

Gracias amigo, lo checo y te aviso como me fue Naahuel