Monitorizar web

[senseeye3led]

Me gustaría realizar una monitorización de una URL para que me pueda decir cuando se realizan modificaciones, sin que tenga que estar visitando la web constantemente.

Un posible algoritmo:

1) Descargar en un fichero la página o su contenido código fuente. (Ya que esa URL no actualiza cabeceras ETAGS o similares).

2) Calcular su SHA512 y almacenarlo.

3) Repetir el proceso cada X tiempo y comparar los SHA512 obtenidos.

¿Alguna posible optimización?

Quiero realizar el desarrollo sin utilizar servicios / apis de terceros, ya que el día que éstos cambien las condiciones o dejen de funcionar no sería válido.

[SLD]

Iniciado por senseeye3led

...1) Descargar en un fichero la página o su contenido código fuente.

Efectivamente ésa es la manera de hacerlo, un póco de REGEX te viene bien para DIVIDIR alguna parte del string, pues hay páginas que imprimen la hora ó fecha "ACTUAL", ello cambiaría el SHA* del string resultante sin que el contenido de ésa URL halla cambiado.

Salu2!

[Panino5001]

Iniciado por SLD

Efectivamente ésa es la manera de hacerlo, un póco de REGEX te viene bien para DIVIDIR alguna parte del string, pues hay páginas que imprimen la hora ó fecha "ACTUAL", ello cambiaría el SHA* del string resultante sin que el contenido de ésa URL halla cambiado.

Salu2!

También los tokens anti CSRF

DOMDocument puede ser útil también.

[senseeye3led]

Iniciado por senseeye3led

Me gustaría realizar una monitorización de una URL para que me pueda decir cuando se realizan modificaciones, sin que tenga que estar visitando la web constantemente.

Un posible algoritmo:

1) Descargar en un fichero la página o su contenido código fuente. (Ya que esa URL no actualiza cabeceras ETAGS o similares).

Código PHP:

  $url = 'https://www.dominio.com/';
$homepage = file_get_contents($url);
$homepage_mb = mb_strlen($homepage);  
   

2) Calcular su SHA512 y almacenarlo.

3) Repetir el proceso cada X tiempo y comparar los SHA512 obtenidos.

¿Alguna posible optimización?

Quiero realizar el desarrollo sin utilizar servicios / apis de terceros, ya que el día que éstos cambien las condiciones o dejen de funcionar no sería válido.