You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
 
 

236 lines
6.9 KiB

<?php
/**
* adaptation en php de feedfinder.py :
*
* """Ultra-liberal feed finder, de Mark Pilgrim
* <http://diveintomark.org/projects/feed_finder/>
* Par: courcy.michael@wanadoo.fr
*
* adaptation en php, je ne reprends qu'une partie de cette algorithme
*
* 0) A chaque etape on verifie si les feed indiques sont reellement des feeds
* 1) Si l'uri passe est un feed on retourne le resultat tout simplement
* 2) Si le header de la page contient des balises LINK qui renvoient vers des feed on les retourne
* 3) on cherche les liens <a> qui se termine par ".rss", ".rdf", ".xml", ou ".atom"
* 4) on cherche les liens <a> contenant "rss", "rdf", "xml", ou "atom"
*
* j'integre pas l'interrogation avec xml_rpc de syndic8, mais on peut le faire assez facilement
* dans la phase de test sur differentes url je n'ai constate aucune diffrerence entre les reponses
* donnees par feedfinder.py et les miennes donc je ne suis pas sur de voir l'interet
*
* Je ne me preoccupe pas comme l'auteur de savoir si mes liens de feed sont sur le meme serveur ou pas
*
* exemple d'utilisation
*
* print_r (get_feed_from_url("http://willy.boerland.com/myblog/"));
*
* on obtient
*
* Array
* (
* [0] => http://willy.boerland.com/myblog/atom/feed
* [1] => http://willy.boerland.com/myblog/blogapi/rsd
* [2] => http://willy.boerland.com/myblog/rss.xml
* [3] => http://willy.boerland.com/myblog/node/feed
* )
*/
if (!defined('_ECRIRE_INC_VERSION')) {
return;
}
$verif_complete = 0; //mettez le a 1 si vous voulez controler la validite des feed trouves mais le temps d'execution
//est alors plus long
/**
* une fonction qui permet de si un lien est un feed ou nom,
* si c'est un feed elle retourne son type, si c'est pas un feed elle retourne 0,
* cette verification est évidemment très très légère
*
* @param string $url
* URL à analyser
* @return string|0
* Retourne son type (rss|atom|rdf) ou 0 si pas feed
*/
function is_feed($url) {
/**
* méthode SPIP
*/
if (function_exists('recuperer_page')) {
$buffer = recuperer_page($url);
if (preg_match("/<(\w*) .*/", $buffer, $matches)) {
//ici on detecte la premiere balise
$type_feed = $matches[1];
switch ($type_feed) {
case "rss":
return "rss";
case "feed":
return "atom";
case "rdf":
return "rdf";
}
}
return '';
}
$fp = @fopen($url, "r");
if (!$fp) {
return 0;
}
//verifion la nature de ce fichier
while (!feof($fp)) {
$buffer = fgets($fp, 4096);
if (preg_match("/<(\w*) .*/", $buffer, $matches)) {
//ici on detecte la premiere balise
$type_feed = $matches[1];
switch ($type_feed) {
case "rss":
fclose($fp);
return "rss";
case "feed":
fclose($fp);
return "atom";
case "rdf":
fclose($fp);
return "rdf";
default :
fclose($fp);
return 0;
}
}
}
}
/*****************test is_feed******************************
* echo is_feed("https://contrib.spip.net/spip.php?page=backend" _EXTENSIO_PHP") . "<br />"; //retourne rss
* echo is_feed("http://liberation.fr/rss.php") . "<br />"; //retourne rss
* echo is_feed("http://liberation.fr/rss.php") . "<br />"; //retourne rss
* echo is_feed("http://willy.boerland.com/myblog/atom/feed") //retourne atom
* echo is_feed("http://spip.net/") . "<br />"; //retoune 0
************************************************************/
/**
* fonction sans finesse mais efficace
* on parcourt ligne par ligne a la recherche de balise <a> ou <link>
* si dans le corps de celle-ci on trouve les mots rss, xml, atom ou rdf
* alors on recupere la valeur href='<url>', on adapte celle-ci si elle
* est relative et on verifie que c'est bien un feed si oui on l'ajoute
* au tableau des feed si on ne trouve rien ou si aucun feed est trouve on retourne
* un tableau vide
*
* @param string $url
* L'URL à analyser
* @param $buffer
* @return array $feed_list
* Le tableau des feed trouvés dans la page
*/
function get_feed_from_url($url, $buffer = false) {
global $verif_complete;
//j'ai prevenu ce sera pas fin
if (!preg_match("/^https?:\/\/.*/", $url)) {
$url = "http://" . $url;
}
if (!$buffer) {
$buffer = @file_get_contents($url);
}
include_spip("inc/filtres");
$feed_list = array();
//extraction des <link>
if ($links = extraire_balises($buffer, "link")) {
//y a t-y rss atom rdf ou xml dans ces balises
foreach ($links as $link) {
if (
(strpos($link, "rss")
|| strpos($link, "rdf")
|| strpos($link, "atom")
|| strpos($link, "xml"))
&&
(!strpos($link, 'opensearch') && !strpos($link, 'oembed'))
) {
//voila un candidat on va extraire sa partie href et la placer dans notre tableau
if ($href = extraire_attribut($link, "href")) {
//on aura pris soin de verifier si ce lien est relatif d'en faire un absolu
$href = suivre_lien($url, $href);
if (!$verif_complete or is_feed($href)) {
$feed_list[] = $href;
}
}
}
}
}
//extraction des <a>
if ($links = extraire_balises($buffer, "a")) {
//y a t-y rss atom rdf ou xml dans ces balises
foreach ($links as $link) {
if (
(strpos($link, "rss")
|| strpos($link, "rdf")
|| strpos($link, "atom")
|| strpos($link, "xml"))
&&
(!strpos($link, 'opensearch') && !strpos($link, 'oembed'))
) {
//voila un candidat on va extraire sa partie href et la placer dans notre tableau
if ($href = extraire_attribut($link, "href")) {
//on aura pris soin de verifier si ce lien est relatif d'en faire un absolu
$href = suivre_lien($url, $href);
if (!$verif_complete or is_feed($href)) {
$feed_list[] = $href;
}
}
}
}
}
// si c'est un site SPIP, tentons l'url connue
if (!count($feed_list)
and (
strpos($url, "spip") or stripos($buffer, "spip")
)
) {
$href = suivre_lien($url, "spip.php?page=backend");
if (is_feed($href)) {
$feed_list[] = $href;
}
}
return $feed_list;
}
/************************************ getFeed ****************************
* print_r (get_feed_from_url("contrib.spip.net"));
* print_r (get_feed_from_url("http://liberation.fr/"));
* print_r (get_feed_from_url("cnn.com"));
* print_r (get_feed_from_url("http://willy.boerland.com/myblog/"));
***************************** Resultat *****************************************
* Array
* (
* [0] => https://contrib.spip.net/backend.php
* )
* Array
* (
* [0] => http://www.liberation.fr/rss.php
* )
* Array
* (
* [0] => http://rss.cnn.com/rss/cnn_topstories.rss
* [1] => http://rss.cnn.com/rss/cnn_latest.rss
* [2] => http://www.cnn.com/services/rss/
* [3] => http://www.cnn.com/services/rss/
* [4] => http://www.cnn.com/services/rss/
* )
* Array
* (
* [0] => http://willy.boerland.com/myblog/atom/feed
* [1] => http://willy.boerland.com/myblog/blogapi/rsd
* [2] => http://willy.boerland.com/myblog/rss.xml
* [3] => http://willy.boerland.com/myblog/node/feed
* )
************************************************************************/;