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 

?>