Darrow
@Darrow
Веб дизайнер/разработчик

Где найти скрипт(парсер/граббер) rss лент?

Салют, подскажите пожалуйста скрипт, или движок способный парсить нужный список сайтов и граббить их последние новости, а точнее заголовки и ссылки на них? Что то вроде гугла но проще :).

Если такое пишется индивидуально, тогда пожалуйста подскажите уроки или посоветуйте способы реализации, (Гуглил, но ничего подходящего так и не нашел) спасибо!
  • Вопрос задан
  • 1300 просмотров
Пригласить эксперта
Ответы на вопрос 5
MetaDone
@MetaDone
Хорошо сформулированный вопрос - 50% решения
Есть одна поделка, описание можно глянуть здесь
Работающий на ней сайт - здесь
Если заинтересует - пишите, на крайний случай допилим под конкретные нужды или настрою и проинструктирую
Ответ написан
Комментировать
@frees2
dulsky.eu
Ответ написан
Комментировать
Taraflex
@Taraflex
Ищу работу. Контакты в профиле.
Говнокод из старого проекта
rssparser.class.php
<?php

require_once('parserutils.class.php');

class RSSParser implements Iterator {
    private $position = 0;
    private $rss = []; 

    public function __construct($rss) {
        $this->position = 0;
        $tmp = ParserUtils::normalizeXML($rss->channel);
        if(!empty($tmp['item'])){
        	$this->rss = $tmp['item'];
        }        
    }

    function rewind() {
        $this->position = 0;
    }

    function current() {
    	$c = $this->rss[$this->position];

        return ParserUtils::constructRssItem(
			$c->title,
			$c->link,
			$c->description,
			$c->pubDate
        );
    }

    function key() {
        return $this->position;
    }

    function next() {
        ++$this->position;
    }

    function valid() {
        return isset($this->rss[$this->position]);
    }

    public static function check($rss){
    	return !(empty($rss) || empty($rss->channel) || empty($rss->channel->item));
    }
}
?>

atomparser.class.php
<?php
class AtomParser implements Iterator {
    private $position = 0;
    private $rss = []; 

    public function __construct($rss) {
        $this->position = 0;
        
        $tmp = ParserUtils::normalizeXML($rss);
        if(!empty($tmp['entry'])){
            $this->rss = $tmp['entry'];
        } 
    }

    function rewind() {
        $this->position = 0;
    }

    function current() {
    	$c = $this->rss[$this->position];

    	$lastLink = null;
		foreach ($c->link as $vl) {
			$lastLink = $vl;
			if($vl['type'] == "text/html"){
				break;
			}
		}

        return ParserUtils::constructRssItem(
			$c->title,
			$lastLink["href"],
			$c->content,
			$c->updated
        );
    }

    function key() {
        return $this->position;
    }

    function next() {
        ++$this->position;
    }

    function valid() {
        return isset($this->rss[$this->position]);
    }

    public static function check($rss){
    	return !(empty($rss) || empty($rss->entry));
    }
}
?>

parserutils.class.php
<?php

require_once('RollingCurl.php');

class ParserUtils
{
	final private function __construct() {}
    final private function __clone() {}

    static $curlOpt = [CURLOPT_USERAGENT => "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.17 (KHTML, like Gecko) Chrome/24.0.1312.52 Safari/537.17"];

	public static function normalizeXML ($xmlObject)
	{
		$res = [];
	    foreach ( (array) $xmlObject as $index => $node ){
	        $res[$index] = ( is_object ( $node ) ) ? self::normalizeXML ( $node ) : $node;
	    }

	    return $res;
	}

	public static function constructRssItem($title, $link, $content, $update){
		$content = preg_replace('/\[crayon-.+\]/U','',trim($content));
		$title = trim(strip_tags($title));
		$update = date('Y-m-d H:i:s',strtotime($update));
		return $res = [
    		'content'=>$content,
    		'update'=>$update,
    		'title'=>$title,
    		'link'=>trim(strip_tags($link))
    	];
	}

	public static function multiDownLoad($urls, $threadCount = 0){
		$result = [];
		if($threadCount <= 0){
			$threadCount = count($urls);
		}
		$rc = new RollingCurl(function($response, $info, $request) use(&$result){
			if( $info["http_code"] == 200 && !empty($response)){
				$result[$request->url] = $response;				
			}
		});
		$rc->window_size = $threadCount;
		foreach ($urls as $url) {
		    $rc->get($url, null, self::$curlOpt);
		}
		$rc->execute();
		return $result;
	}

	public static function download($url){
		$result = null;
		$rc = new RollingCurl(function($response, $info, $request) use(&$result){
			if( $info["http_code"] == 200 && !empty($response)){
				$result = $response;				
			}
		});
		$rc->get($url, null, self::$curlOpt);
		$rc->execute();
		return $result;
	}
}

?>


Использование
public static function getParser($raw_content){

		$rss = simplexml_load_string($raw_content, 'SimpleXMLElement', LIBXML_NOWARNING | LIBXML_NOERROR);

		if(RSSParser::check($rss)){
			return new RSSParser($rss);
		}else if(AtomParser::check($rss)){
			return new AtomParser($rss);
		}else{
			return null;
		}
	}
Ответ написан
Комментировать
@inkvizitor68sl
Linux-сисадмин с 8 летним стажем.
Комментировать
jacksparrow
@jacksparrow
Если вам нужно просто рсс. То они разбираются как Xml файлы и все. Заголовки и ссылки вы оттуда получите.
Ответ написан
Комментировать
Ваш ответ на вопрос

Войдите, чтобы написать ответ

Войти через центр авторизации
Похожие вопросы