tweeper.php

   1 <?php
   2 /*
   3  * tweeper - a Twitter to RSS web scraper
   4  *
   5  * Copyright (C) 2013  Antonio Ospite <ospite@studenti.unina.it>
   6  *
   7  * This program is free software: you can redistribute it and/or modify
   8  * it under the terms of the GNU General Public License as published by
   9  * the Free Software Foundation, either version 3 of the License, or
  10  * (at your option) any later version.
  11  *
  12  * This program is distributed in the hope that it will be useful,
  13  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  14  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  15  * GNU General Public License for more details.
  16  *
  17  * You should have received a copy of the GNU General Public License
  18  * along with this program.  If not, see <http://www.gnu.org/licenses/>.
  19  */
  20
  21 date_default_timezone_set('UTC');
  22
  23 define('USER_AGENT', 'Mozilla/5.0 (Windows NT 6.1; rv:22.0) Gecko/20130405 Firefox/22.0');
  24
  25 function str_to_gmdate($date)
  26 {
  27   $timestamp = strtotime($date);
  28   return epoch_to_gmdate($timestamp);
  29 }
  30
  31 function epoch_to_gmdate($timestamp)
  32 {
  33   return gmdate('D, d M Y H:i:s', $timestamp) . ' GMT';
  34 }
  35
  36 function get_url_info($url)
  37 {
  38   $ch = curl_init($url);
  39   curl_setopt_array($ch, array(
  40       CURLOPT_HEADER => TRUE,
  41       CURLOPT_NOBODY => TRUE,
  42       CURLOPT_FOLLOWLOCATION => TRUE,  // follow http redirects to get the real URL
  43       CURLOPT_RETURNTRANSFER => TRUE,
  44       CURLOPT_SSL_VERIFYHOST => FALSE,
  45       CURLOPT_SSL_VERIFYPEER => FALSE,
  46       CURLOPT_USERAGENT => USER_AGENT,
  47   ));
  48   curl_exec($ch);
  49   $url_info = curl_getinfo($ch);;
  50   curl_close($ch);
  51
  52   return $url_info;
  53 }
  54
  55 function generate_enclosure($url)
  56 {
  57   $url_info = get_url_info($url);
  58
  59   switch($url_info['content_type']) {
  60     case "video/avi":
  61     case "image/gif":
  62     case "image/jpeg":
  63     case "audio/x-midi":
  64     case "audio/mpeg":
  65     case "video/mpeg":
  66     case "audio/vorbis":
  67     case "application/ogg":
  68     case "audio/webm":
  69     case "audio/aac":
  70     case "audio/mp4":
  71     case "audio/wav":
  72     case "video/mp4":
  73     case "video/ogg":
  74       $dom = new DomDocument();
  75       $enc = $dom->createElement('enclosure');
  76       $enc->setAttribute( 'url', $url_info['url']);
  77       $enc->setAttribute( 'length', $url_info['download_content_length']);
  78       $enc->setAttribute( 'type', $url_info['content_type']);
  79
  80       $dom->appendChild($enc);
  81
  82       return $dom->saveXML($enc);
  83     default:
  84         return;
  85   }
  86 }
  87
  88
  89 class Tweeper {
  90
  91   public function __construct($stylesheet) {
  92     $stylesheet_contents = $this->get_contents($stylesheet);
  93
  94     $xslDoc = new DOMDocument();
  95     $xslDoc->loadXML($stylesheet_contents);
  96
  97     $this->xsltProcessor = new XSLTProcessor();
  98     $this->xsltProcessor->registerPHPFunctions();
  99     $this->xsltProcessor->importStylesheet($xslDoc);
 100   }
 101
 102   private function get_contents($uri) {
 103     # https://www.wjsams.com/c/docs/Wiki/Php-HowToSetUserAgentOnFileGetContents
 104     $opts = array(
 105       'http' => array(
 106         'method' => "GET",
 107         'header' => join(array(
 108           "Accept-language: en\r\n",
 109           "User-Agent: {" + USER_AGENT + "}\r\n"
 110         ))
 111       )
 112     );
 113
 114     $context = stream_context_create($opts);
 115     $contents = file_get_contents($uri, false, $context);
 116     return $contents;
 117   }
 118
 119   public function tweep($uri) {
 120     $html = $this->get_contents($uri);
 121
 122     $xmlDoc = new DOMDocument();
 123     $xmlDoc->loadHTML($html);
 124
 125     $output = $this->xsltProcessor->transformToXML($xmlDoc);
 126
 127     if (FALSE === $output) {
 128       trigger_error('XSL transformation failed.', E_USER_ERROR);
 129       return NULL;
 130     }
 131     return $output;
 132   }
 133 }
 134
 135 function usage($argv)
 136 {
 137   if (php_sapi_name() != 'cli')
 138     $usage = htmlentities("{$_SERVER['SCRIPT_NAME']}?src_url=<src_url>");
 139   else
 140     $usage = "{$argv[0]} [-h|--help] <src_url>\n";
 141
 142   return "usage: $usage";
 143 }
 144
 145 function parse_options_cli($argv, $argc)
 146 {
 147   $options = array();
 148
 149   if ($argc < 2)
 150     return $options;
 151
 152   $cli_options = getopt("h", array("help"));
 153   foreach ($cli_options as $opt => $val) {
 154     switch ($opt) {
 155     case 'h':
 156     case 'help':
 157       echo usage($argv);
 158       exit(0);
 159     default:
 160       die(usage($argv));
 161     }
 162   }
 163
 164   $options['src_url'] = $argv[count($cli_options) + 1];
 165
 166   return $options;
 167 }
 168
 169 function parse_options_query_string()
 170 {
 171   $options = array();
 172
 173   if (isset($_GET['src_url']))
 174     $options['src_url'] = $_GET['src_url'];
 175
 176   return $options;
 177 }
 178
 179
 180 if (php_sapi_name() != 'cli')
 181   $options = parse_options_query_string();
 182 else
 183   $options = parse_options_cli($argv, $argc);
 184
 185 if (!isset($options['src_url']))
 186   die(usage($argv));
 187
 188 $url = parse_url($options['src_url']);
 189 if (FALSE === $url || empty($url["host"]))
 190   die("Invalid url: ${options['src_url']}\n");
 191
 192 $stylesheet = __DIR__ . "/rss_converter_" . $url["host"] . ".xsl";
 193 if (FALSE === file_exists($stylesheet))
 194   die("Conversion to RSS not supported: {$url["host"]}\n");
 195
 196 $tweeper = new Tweeper($stylesheet);
 197 echo $tweeper->tweep($options['src_url']);