source: spip-zone/_core_/plugins/sites/inc/syndic.php @ 69328

Last change on this file since 69328 was 69328, checked in by jack@…, 8 years ago

On est en 2013 !

File size: 13.9 KB
Line 
1<?php
2
3/***************************************************************************\
4 *  SPIP, Systeme de publication pour l'internet                           *
5 *                                                                         *
6 *  Copyright (c) 2001-2013                                                *
7 *  Arnaud Martin, Antoine Pitrou, Philippe Riviere, Emmanuel Saint-James  *
8 *                                                                         *
9 *  Ce programme est un logiciel libre distribue sous licence GNU/GPL.     *
10 *  Pour plus de details voir le fichier COPYING.txt ou l'aide en ligne.   *
11\***************************************************************************/
12
13if (!defined("_ECRIRE_INC_VERSION")) return;
14
15// ATTENTION
16// Cette inclusion charge executer_une_syndication pour compatibilite,
17// mais cette fonction ne doit plus etre invoquee directement:
18// il faut passer par cron() pour avoir un verrou portable
19// Voir un exemple dans action/editer/site
20include_spip('genie/syndic');
21
22// prend un fichier backend et retourne un tableau des items lus,
23// et une chaine en cas d'erreur
24// http://doc.spip.org/@analyser_backend
25function analyser_backend($rss, $url_syndic='') {
26        include_spip('inc/texte'); # pour couper()
27
28        $rss = pipeline('pre_syndication', $rss);
29
30        // si true, les URLs de type feedburner sont dereferencees
31        defined('_SYNDICATION_DEREFERENCER_URL') || define('_SYNDICATION_DEREFERENCER_URL', false);
32
33        // Echapper les CDATA
34        cdata_echappe($rss, $echappe_cdata);
35
36        // supprimer les commentaires
37        $rss = preg_replace(',<!--.*-->,Ums', '', $rss);
38
39        // simplifier le backend, en supprimant les espaces de nommage type "dc:"
40        $rss = preg_replace(',<(/?)(dc):,i', '<\1', $rss);
41
42        // chercher auteur/lang dans le fil au cas ou les items n'en auraient pas
43        list($header) = preg_split(',<(item|entry)\b,', $rss, 2);
44        if (preg_match_all(
45        ',<(author|creator)\b(.*)</\1>,Uims',
46        $header, $regs, PREG_SET_ORDER)) {
47                $les_auteurs_du_site = array();
48                foreach ($regs as $reg) {
49                        $nom = $reg[2];
50                        if (preg_match(',<name>(.*)</name>,Uims', $nom, $reg))
51                                $nom = $reg[1];
52                        $les_auteurs_du_site[] = trim(textebrut(filtrer_entites($nom)));
53                }
54                $les_auteurs_du_site = join(', ', array_unique($les_auteurs_du_site));
55        } else {
56                $les_auteurs_du_site = '';
57        }
58
59        $langue_du_site = '';
60
61        if ((preg_match(',<([^>]*xml:)?lang(uage)?'.'>([^<>]+)<,i',
62        $header, $match) AND $l = $match[3])
63        OR ($l = extraire_attribut(extraire_balise($header, 'feed'), 'xml:lang'))
64        ) {
65                $langue_du_site = $l;
66        }
67        // atom
68        elseif (preg_match(',<feed\s[^>]*xml:lang=[\'"]([^<>\'"]+)[\'"],i', $header, $match)) {
69                $langue_du_site = $match[1];
70        }
71
72        // Recuperer les blocs item et entry
73        $items = array_merge(extraire_balises($rss, 'item'), extraire_balises($rss, 'entry'));
74
75
76        //
77        // Analyser chaque <item>...</item> du backend et le transformer en tableau
78        //
79
80        if (!count($items)) return _T('sites:avis_echec_syndication_01');
81
82        foreach ($items as $item) {
83                $data = array();
84
85                // URL (semi-obligatoire, sert de cle)
86
87                // guid n'est un URL que si marque de <guid ispermalink="true"> ;
88                // attention la valeur par defaut est 'true' ce qui oblige a quelque
89                // gymnastique
90                if (preg_match(',<guid.*>[[:space:]]*(https?:[^<]*)</guid>,Uims',
91                $item, $regs) AND preg_match(',^(true|1)?$,i',
92                extraire_attribut($regs[0], 'ispermalink')))
93                        $data['url'] = $regs[1];
94                // contourner les redirections feedburner
95                else if (_SYNDICATION_DEREFERENCER_URL
96                AND preg_match(',<feedburner:origLink>(.*)<,Uims',
97                $item, $regs))
98                        $data['url'] = $regs[1];
99                // <link>, plus classique
100                else if (preg_match(
101                ',<link[^>]*[[:space:]]rel=["\']?alternate[^>]*>(.*)</link>,Uims',
102                $item, $regs))
103                        $data['url'] = $regs[1];
104                else if (preg_match(',<link[^>]*[[:space:]]rel=.alternate[^>]*>,Uims',
105                $item, $regs))
106                        $data['url'] = extraire_attribut($regs[0], 'href');
107                else if (preg_match(',<link[^>]*>(.*)</link>,Uims', $item, $regs))
108                        $data['url'] = $regs[1];
109                else if (preg_match(',<link[^>]*>,Uims', $item, $regs))
110                        $data['url'] = extraire_attribut($regs[0], 'href');
111
112                // Aucun link ni guid, mais une enclosure
113                else if (preg_match(',<enclosure[^>]*>,ims', $item, $regs)
114                AND $url = extraire_attribut($regs[0], 'url'))
115                        $data['url'] = $url;
116
117                // pas d'url, c'est genre un compteur...
118                else
119                        $data['url'] = '';
120
121                // Titre (semi-obligatoire)
122                if (preg_match(",<title[^>]*>(.*?)</title>,ims",$item,$match))
123                        $data['titre'] = $match[1];
124                else if (preg_match(',<link[[:space:]][^>]*>,Uims',$item,$mat)
125                AND $title = extraire_attribut($mat[0], 'title'))
126                        $data['titre'] = $title; 
127                if (!strlen($data['titre'] = trim($data['titre'])))
128                        $data['titre'] = _T('ecrire:info_sans_titre');
129
130                // Date
131                $la_date = '';
132                if (preg_match(',<(published|modified|issued)>([^<]*)<,Uims',
133                $item,$match)) {
134                        cdata_echappe_retour($match[2], $echappe_cdata);
135                        $la_date = my_strtotime($match[2]);
136                }
137                if (!$la_date AND
138                preg_match(',<(pubdate)>([^<]*)<,Uims',$item, $match)) {
139                        cdata_echappe_retour($match[2], $echappe_cdata);
140                        $la_date = my_strtotime($match[2]);
141                }
142                if (!$la_date AND
143                preg_match(',<([a-z]+:date)>([^<]*)<,Uims',$item,$match)) {
144                        cdata_echappe_retour($match[2], $echappe_cdata);
145                        $la_date = my_strtotime($match[2], $echappe_cdata);
146                }
147                if (!$la_date AND
148                preg_match(',<date>([^<]*)<,Uims',$item,$match)) {
149                        cdata_echappe_retour($match[1], $echappe_cdata);
150                        $la_date = my_strtotime($match[1]);
151                }
152
153                // controle de validite de la date
154                // pour eviter qu'un backend errone passe toujours devant
155                // (note: ca pourrait etre defini site par site, mais ca risque d'etre
156                // plus lourd que vraiment utile)
157                if ($GLOBALS['controler_dates_rss']) {
158                        if ($la_date > time() + 48 * 3600)
159                                $la_date = time();
160                }
161
162                if ($la_date)
163                        $data['date'] = $la_date;
164
165                // Honorer le <lastbuilddate> en forcant la date
166                if (preg_match(',<(lastbuilddate|updated|modified)>([^<>]+)</\1>,i',
167                $item, $regs)
168                AND $lastbuilddate = my_strtotime(trim($regs[2]))
169                // pas dans le futur
170                AND $lastbuilddate < time())
171                        $data['lastbuilddate'] = $lastbuilddate;
172
173                // Auteur(s)
174                if (preg_match_all(
175                ',<(author|creator)\b[^>]*>(.*)</\1>,Uims',
176                $item, $regs, PREG_SET_ORDER)) {
177                        $auteurs = array();
178                        foreach ($regs as $reg) {
179                                $nom = $reg[2];
180                                if (preg_match(',<name\b[^>]*>(.*)</name>,Uims', $nom, $reg))
181                                        $nom = $reg[1];
182                                // Cas particulier d'un auteur Flickr
183                                if (preg_match(',nobody@flickr.com \((.*)\),Uims', $nom, $reg))
184                                        $nom = $reg[1];
185                                $auteurs[] = trim(textebrut(filtrer_entites($nom)));
186                        }
187                        $data['lesauteurs'] = join(', ', array_unique($auteurs));
188                }
189                else
190                        $data['lesauteurs'] = $les_auteurs_du_site;
191
192                // Description
193                if (preg_match(',<(description|summary)\b.*'
194                .'>(.*)</\1\b,Uims',$item,$match)) {
195                        $data['descriptif'] = trim($match[2]);
196                }
197                if (preg_match(',<(content)\b.*'
198                .'>(.*)</\1\b,Uims',$item,$match)) {
199                        $data['content'] = trim($match[2]);
200                }
201
202                // lang
203                if (preg_match(',<([^>]*xml:)?lang(uage)?'.'>([^<>]+)<,i',
204                        $item, $match))
205                        $data['lang'] = trim($match[3]);
206                else if ($lang = trim(extraire_attribut($item, 'xml:lang')))
207                        $data['lang'] = $lang;
208                else
209                        $data['lang'] = trim($langue_du_site);
210
211                // source et url_source  (pas trouve d'exemple en ligne !!)
212                # <source url="http://www.truc.net/music/uatsap.mp3" length="19917" />
213                # <source url="http://www.truc.net/rss">Site source</source>
214                if (preg_match(',(<source[^>]*>)(([^<>]+)</source>)?,i',
215                $item, $match)) {
216                        $data['source'] = trim($match[3]);
217                        $data['url_source'] = str_replace('&amp;', '&',
218                                trim(extraire_attribut($match[1], 'url')));
219                }
220
221                // tags
222                # a partir de "<dc:subject>", (del.icio.us)
223                # ou <media:category> (flickr)
224                # ou <itunes:category> (apple)
225                # on cree nos tags microformat <a rel="directory" href="url">titre</a>
226                # http://microformats.org/wiki/rel-directory-fr
227                $tags = array();
228                if (preg_match_all(
229                ',<(([a-z]+:)?(subject|category|directory|keywords?|tags?|type))[^>]*>'
230                .'(.*?)</\1>,ims',
231                $item, $matches, PREG_SET_ORDER))
232                        $tags = ajouter_tags($matches, $item); # array()
233                elseif (preg_match_all(
234                ',<(([a-z]+:)?(subject|category|directory|keywords?|tags?|type))[^>]*/>'
235                .',ims',
236                $item, $matches, PREG_SET_ORDER))
237                        $tags = ajouter_tags($matches, $item); # array()
238                // Pieces jointes :
239                // chercher <enclosure> au format RSS et les passer en microformat
240                // ou des microformats relEnclosure,
241                // ou encore les media:content
242                if (!afficher_enclosures(join(', ', $tags))) {
243                        if (preg_match_all(',<enclosure[[:space:]][^<>]+>,i',
244                        $item, $matches, PREG_PATTERN_ORDER))
245                                $data['enclosures'] = join(', ',
246                                        array_map('enclosure2microformat', $matches[0]));
247                        else if (
248                        preg_match_all(',<link\b[^<>]+rel=["\']?enclosure["\']?[^<>]+>,i',
249                        $item, $matches, PREG_PATTERN_ORDER))
250                                $data['enclosures'] = join(', ',
251                                        array_map('enclosure2microformat', $matches[0]));
252                        else if (
253                        preg_match_all(',<media:content\b[^<>]+>,i',
254                        $item, $matches, PREG_PATTERN_ORDER))
255                                $data['enclosures'] = join(', ',
256                                        array_map('enclosure2microformat', $matches[0]));
257                }
258                $data['item'] = $item;
259
260                // Nettoyer les donnees et remettre les CDATA en place
261                cdata_echappe_retour($data, $echappe_cdata);
262                cdata_echappe_retour($tags, $echappe_cdata);
263
264                // passer l'url en absolue
265                $data['url'] = url_absolue(filtrer_entites($data['url']), $url_syndic);
266
267                // Trouver les microformats (ecrase les <category> et <dc:subject>)
268                if (preg_match_all(
269                ',<a[[:space:]]([^>]+[[:space:]])?rel=[^>]+>.*</a>,Uims',
270                $data['item'], $regs, PREG_PATTERN_ORDER)) {
271                        $tags = $regs[0];
272                }
273                // Cas particulier : tags Connotea sous la forme <a class="postedtag">
274                if (preg_match_all(
275                ',<a[[:space:]][^>]+ class="postedtag"[^>]*>.*</a>,Uims',
276                $data['item'], $regs, PREG_PATTERN_ORDER))
277                        $tags = preg_replace(', class="postedtag",i',
278                        ' rel="tag"', $regs[0]);
279
280                $data['tags'] = $tags;
281                // enlever le html des titre pour etre homogene avec les autres objets spip
282                $data['titre'] = textebrut($data['titre']);
283
284                $articles[] = $data;
285        }
286
287        return $articles;
288}
289
290
291// helas strtotime ne reconnait pas le format W3C
292// http://www.w3.org/TR/NOTE-datetime
293// http://doc.spip.org/@my_strtotime
294function my_strtotime($la_date) {
295
296        // format complet
297        if (preg_match(
298        ',^(\d+-\d+-\d+[T ]\d+:\d+(:\d+)?)(\.\d+)?'
299        .'(Z|([-+]\d{2}):\d+)?$,',
300        $la_date, $match)) {
301                $la_date = str_replace("T", " ", $match[1])." GMT";
302                return strtotime($la_date) - intval($match[5]) * 3600;
303        }
304
305        // YYYY
306        if (preg_match(',^\d{4}$,', $la_date, $match))
307                return strtotime($match[0]."-01-01");
308
309        // YYYY-MM
310        if (preg_match(',^\d{4}-\d{2}$,', $la_date, $match))
311                return strtotime($match[0]."-01");
312
313        // utiliser strtotime en dernier ressort
314        $s = strtotime($la_date);
315        if ($s > 0)
316                return $s;
317
318        // YYYY-MM-DD hh:mm:ss
319        if (preg_match(',^\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2}:\d{2}\b,', $la_date, $match))
320                return strtotime($match[0]);
321
322
323        // erreur
324        spip_log("Impossible de lire le format de date '$la_date'");
325        return false;
326}
327// A partir d'un <dc:subject> ou autre essayer de recuperer
328// le mot et son url ; on cree <a href="url" rel="tag">mot</a>
329// http://doc.spip.org/@creer_tag
330function creer_tag($mot,$type,$url) {
331        if (!strlen($mot = trim($mot))) return '';
332        $mot = "<a rel=\"tag\">$mot</a>";
333        if ($url)
334                $mot = inserer_attribut($mot, 'href', $url);
335        if ($type)
336                $mot = inserer_attribut($mot, 'rel', $type);
337        return $mot;
338}
339
340
341// http://doc.spip.org/@ajouter_tags
342function ajouter_tags($matches, $item) {
343        include_spip('inc/filtres');
344        $tags = array();
345        foreach ($matches as $match) {
346                $type = ($match[3] == 'category' OR $match[3] == 'directory')
347                        ? 'directory':'tag';
348                $mot = supprimer_tags($match[0]);
349                if (!strlen($mot)
350                AND !strlen($mot = extraire_attribut($match[0], 'label')))
351                        break;
352                // rechercher un url
353                if ($url = extraire_attribut($match[0], 'domain')) {
354                        // category@domain est la racine d'une url qui se prolonge
355                        // avec le contenu text du tag <category> ; mais dans SPIP < 2.0
356                        // on donnait category@domain = #URL_RUBRIQUE, et
357                        // text = #TITRE_RUBRIQUE ; d'ou l'heuristique suivante sur le slash
358                        if (substr($url, -1) == '/')
359                                $url .= rawurlencode($mot);
360                }
361                else if ($url = extraire_attribut($match[0], 'resource')
362                OR $url = extraire_attribut($match[0], 'url')
363                )
364                        {}
365
366                ## cas particuliers
367                else if (extraire_attribut($match[0], 'scheme') == 'urn:flickr:tags') {
368                        foreach(explode(' ', $mot) as $petit)
369                                if ($t = creer_tag($petit, $type,
370                                'http://www.flickr.com/photos/tags/'.rawurlencode($petit).'/'))
371                                        $tags[] = $t;
372                        $mot = '';
373                }
374                else if (
375                        // cas atom1, a faire apres flickr
376                        $term = extraire_attribut($match[0], 'term')
377                ) {
378                        if ($scheme = extraire_attribut($match[0], 'scheme'))
379                                $url = suivre_lien($scheme,$term);
380                        else
381                                $url = $term;
382                }
383                else {
384                        # type delicious.com
385                        foreach(explode(' ', $mot) as $petit)
386                                if (preg_match(',<rdf\b[^>]*\bresource=["\']([^>]*/'
387                                .preg_quote(rawurlencode($petit),',').')["\'],i',
388                                $item, $m)) {
389                                        $mot = '';
390                                        if ($t = creer_tag($petit, $type, $m[1]))
391                                                $tags[] = $t;
392                                }
393                }
394
395                if ($t = creer_tag($mot, $type, $url))
396                        $tags[] = $t;
397        }
398        return $tags;
399}
400
401
402// Lit contenu des blocs [[CDATA]] dans un flux
403// http://doc.spip.org/@cdata_echappe_retour
404function cdata_echappe(&$rss, &$echappe_cdata) {
405        $echappe_cdata = array();
406        if (preg_match_all(',<!\[CDATA\[(.*)]]>,Uims', $rss,
407        $regs, PREG_SET_ORDER)) {
408                foreach ($regs as $n => $reg) {
409                        if (preg_match(',[<>],', $reg[1])) {
410                                $echappe_cdata[$n] = $reg[1];
411                                $rss = str_replace($reg[0], "@@@SPIP_CDATA$n@@@", $rss);
412                        } else
413                                $rss = str_replace($reg[0], $reg[1], $rss);
414                }
415        }
416}
417
418// Retablit le contenu des blocs [[CDATA]] dans une chaine ou un tableau
419// http://doc.spip.org/@cdata_echappe_retour
420function cdata_echappe_retour(&$x, &$echappe_cdata) {
421        if (is_string($x)) {
422                if (strpos($x, '@@@SPIP_CDATA') !== false
423                OR strpos($x, '&lt;') !== false) {
424                        $x = filtrer_entites($x);
425                        foreach ($echappe_cdata as $n => $e)
426                                $x = str_replace("@@@SPIP_CDATA$n@@@", $e, $x);
427                }
428        }
429
430        else if (is_array($x)) {
431                foreach($x as $k => &$v)
432                        cdata_echappe_retour($v, $echappe_cdata);
433        }
434}
435?>
Note: See TracBrowser for help on using the repository browser.