tweeper.php

   1 <?php
   2 /*
   3  * tweeper - a Twitter to RSS web scraper
   4  *
   5  * Copyright (C) 2013-2015  Antonio Ospite <ao2@ao2.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 require_once 'XML/Serializer.php';
  22
  23 date_default_timezone_set('UTC');
  24
  25 class Tweeper {
  26
  27   private static $USER_AGENT = "Mozilla/5.0 (Windows NT 6.1; rv:22.0) Gecko/20130405 Firefox/22.0";
  28
  29   public function __construct($generate_enclosure = FALSE) {
  30     $this->generate_enclosure = $generate_enclosure;
  31   }
  32
  33   public static function epoch_to_gmdate($timestamp)
  34   {
  35     return gmdate('D, d M Y H:i:s', $timestamp) . ' GMT';
  36   }
  37
  38   public static function str_to_gmdate($date)
  39   {
  40     $timestamp = strtotime($date);
  41     return Tweeper::epoch_to_gmdate($timestamp);
  42   }
  43
  44   private static function get_contents($url)
  45   {
  46     $ch = curl_init($url);
  47     curl_setopt_array($ch, array(
  48       CURLOPT_HEADER => FALSE,
  49       CURLOPT_FOLLOWLOCATION => TRUE,  // follow http redirects to get the real URL
  50       CURLOPT_RETURNTRANSFER => TRUE,
  51       CURLOPT_SSL_VERIFYHOST => FALSE,
  52       CURLOPT_SSL_VERIFYPEER => FALSE,
  53       CURLOPT_HTTPHEADER => array('Accept-language: en'),
  54       CURLOPT_USERAGENT => Tweeper::$USER_AGENT,
  55     ));
  56     $contents = curl_exec($ch);
  57     curl_close($ch);
  58
  59     return $contents;
  60   }
  61
  62   private static function get_info($url)
  63   {
  64     $ch = curl_init($url);
  65     curl_setopt_array($ch, array(
  66       CURLOPT_HEADER => TRUE,
  67       CURLOPT_NOBODY => TRUE,
  68       CURLOPT_FOLLOWLOCATION => TRUE,  // follow http redirects to get the real URL
  69       CURLOPT_RETURNTRANSFER => TRUE,
  70       CURLOPT_SSL_VERIFYHOST => FALSE,
  71       CURLOPT_SSL_VERIFYPEER => FALSE,
  72       CURLOPT_USERAGENT => Tweeper::$USER_AGENT,
  73     ));
  74     curl_exec($ch);
  75     $url_info = curl_getinfo($ch);
  76     curl_close($ch);
  77
  78     return $url_info;
  79   }
  80
  81   public static function generate_enclosure($url)
  82   {
  83     $supported_content_types = array(
  84       "application/ogg",
  85       "audio/aac",
  86       "audio/mp4",
  87       "audio/mpeg",
  88       "audio/ogg",
  89       "audio/vorbis",
  90       "audio/wav",
  91       "audio/webm",
  92       "audio/x-midi",
  93       "image/gif",
  94       "image/jpeg",
  95       "video/avi",
  96       "video/mp4",
  97       "video/mpeg",
  98       "video/ogg",
  99     );
 100
 101     // The RSS specification says that the enclosure element url must be http.
 102     // See http://sourceforge.net/p/feedvalidator/bugs/72/
 103     $http_url = preg_replace("/^https/", "http", $url);
 104
 105     $url_info = Tweeper::get_info($http_url);
 106
 107     $supported = in_array($url_info['content_type'], $supported_content_types);
 108     if (!$supported) {
 109       error_log("Unsupported enclosure content type \"" . $url_info['content_type'] . "\" for URL: " . $url_info['url']);
 110       return '';
 111     }
 112
 113     $dom = new DomDocument();
 114     $enc = $dom->createElement('enclosure');
 115     $enc->setAttribute('url', $url_info['url']);
 116     $enc->setAttribute('length', $url_info['download_content_length']);
 117     $enc->setAttribute('type', $url_info['content_type']);
 118
 119     $dom->appendChild($enc);
 120
 121     return $dom->saveXML($enc);
 122   }
 123
 124   /* Mimic the message from libxml.c::php_libxml_ctx_error_level() */
 125   private function log_xml_error($error) {
 126     $output = "";
 127
 128     switch ($error->level) {
 129     case LIBXML_ERR_WARNING:
 130       $output .= "Warning $error->code: ";
 131       break;
 132     case LIBXML_ERR_ERROR:
 133       $output .= "Error $error->code: ";
 134       break;
 135     case LIBXML_ERR_FATAL:
 136       $output .= "Fatal Error $error->code: ";
 137       break;
 138     }
 139
 140     $output .= trim($error->message);
 141
 142     if ($error->file) {
 143       $output .= " in $error->file";
 144     } else {
 145       $output .= " in Entity,";
 146     }
 147
 148     $output .=" line $error->line";
 149
 150     error_log($output);
 151   }
 152
 153   private function load_stylesheet($host) {
 154     $stylesheet = "file://" . __DIR__ . "/rss_converter_" . $host . ".xsl";
 155     if (FALSE === file_exists($stylesheet)) {
 156       trigger_error("Conversion to RSS not supported: $host", E_USER_ERROR);
 157       return NULL;
 158     }
 159
 160     $stylesheet_contents = $this->get_contents($stylesheet);
 161
 162     $xslDoc = new DOMDocument();
 163     $xslDoc->loadXML($stylesheet_contents);
 164
 165     $xsltProcessor = new XSLTProcessor();
 166     $xsltProcessor->registerPHPFunctions();
 167     $xsltProcessor->setParameter('', 'generateEnclosure', $this->generate_enclosure);
 168     $xsltProcessor->importStylesheet($xslDoc);
 169
 170     return $xsltProcessor;
 171   }
 172
 173   private function json_to_xml($html, $json_match_expr, $rootName) {
 174     // pre-process, convert json to XML
 175     $ret = preg_match($json_match_expr, $html, $matches);
 176     if ($ret !== 1) {
 177       trigger_error("Cannot match expression: $json_match_expr\n", E_USER_ERROR);
 178       return NULL;
 179     }
 180
 181     $data = json_decode($matches[1]);
 182     if (!$data) {
 183       return NULL;
 184     }
 185
 186     $serializer_options = array (
 187       'addDecl' => TRUE,
 188       'encoding' => "UTF-8",
 189       'indent' => '  ',
 190       'rootName' => $rootName,
 191     );
 192
 193     $serializer = new XML_Serializer($serializer_options);
 194
 195     $status = $serializer->serialize($data);
 196     if (PEAR::isError($status)) {
 197       trigger_error($status->getMessage(), E_USER_ERROR);
 198       return NULL;
 199     }
 200
 201     return $serializer->getSerializedData();
 202   }
 203
 204   private function get_xml_instagram_com($html) {
 205     return $this->json_to_xml($html, '/window._sharedData = (.*);/', 'instagram');
 206   }
 207
 208   private function html_to_xml($html, $host) {
 209     $xmlDoc = new DOMDocument();
 210
 211     // Handle warnings and errors when loading invalid HTML.
 212     $xml_errors_value = libxml_use_internal_errors(true);
 213
 214     // If there is a host-specific method to get the xml data, use it!
 215     $get_xml_host_method = 'get_xml_' . str_replace(".", "_", $host);
 216     if (method_exists($this, $get_xml_host_method)) {
 217       $xml_data = call_user_func_array(array($this, $get_xml_host_method), array($html));
 218       $xmlDoc->loadXML($xml_data);
 219     } else {
 220       $xmlDoc->loadHTML($html);
 221     }
 222
 223     foreach (libxml_get_errors() as $xml_error) {
 224       $this->log_xml_error($xml_error);
 225     }
 226     libxml_clear_errors();
 227     libxml_use_internal_errors($xml_errors_value);
 228
 229     return $xmlDoc;
 230   }
 231
 232   public function tweep($src_url) {
 233     $url = parse_url($src_url);
 234     if (FALSE === $url || empty($url["host"])) {
 235       trigger_error("Invalid url: $src_url", E_USER_ERROR);
 236       return NULL;
 237     }
 238
 239     $xsltProcessor = $this->load_stylesheet($url["host"]);
 240     if (NULL === $xsltProcessor) {
 241       return NULL;
 242     }
 243
 244     $html = $this->get_contents($src_url);
 245     if (FALSE === $html) {
 246       return NULL;
 247     }
 248
 249     $xmlDoc = $this->html_to_xml($html, $url["host"]);
 250     if (NULL === $xmlDoc) {
 251       return NULL;
 252     }
 253
 254     $output = $xsltProcessor->transformToXML($xmlDoc);
 255
 256     if (FALSE === $output) {
 257       trigger_error('XSL transformation failed.', E_USER_ERROR);
 258       return NULL;
 259     }
 260     return $output;
 261   }
 262 }
 263
 264 function is_cli()
 265 {
 266   return (substr(php_sapi_name(), 0, 3) == 'cli');
 267 }
 268
 269 function usage($argv)
 270 {
 271   if (is_cli()) {
 272     $usage = "{$argv[0]} [-e|-h|--help] <src_url>\n";
 273   } else {
 274     $usage = htmlentities("{$_SERVER['SCRIPT_NAME']}?src_url=<src_url>&generate_enclosure=<0|1>");
 275   }
 276
 277   return "usage: $usage";
 278 }
 279
 280 function parse_options_cli($argv, $argc)
 281 {
 282   $options = array(
 283     'generate_enclosure' => FALSE
 284   );
 285
 286   if ($argc < 2)
 287     return $options;
 288
 289   $cli_options = getopt("eh", array("help"));
 290   foreach ($cli_options as $opt => $val) {
 291     switch ($opt) {
 292     case 'e':
 293       $options['generate_enclosure'] = TRUE;
 294       break;
 295     case 'h':
 296     case 'help':
 297       echo usage($argv);
 298       exit(0);
 299     default:
 300       fwrite(STDERR, usage($argv));
 301       exit(1);
 302     }
 303   }
 304
 305   $options['src_url'] = $argv[count($cli_options) + 1];
 306
 307   return $options;
 308 }
 309
 310 function parse_options_query_string()
 311 {
 312   $options = array(
 313     'generate_enclosure' => FALSE
 314   );
 315
 316   if (isset($_GET['src_url']))
 317     $options['src_url'] = $_GET['src_url'];
 318
 319   if (isset($_GET['generate_enclosure']))
 320     $options['generate_enclosure'] = $_GET['generate_enclosure'] == 1;
 321
 322   return $options;
 323 }
 324
 325
 326 if (is_cli()) {
 327   $options = parse_options_cli($argv, $argc);
 328   $ERROR_STREAM = fopen('php://stderr', 'w');
 329 } else {
 330   $options = parse_options_query_string();
 331   $ERROR_STREAM = fopen('php://output', 'w');
 332 }
 333
 334 if (!isset($options['src_url'])) {
 335   fwrite($ERROR_STREAM, usage($argv));
 336   exit(1);
 337 }
 338
 339 $tweeper = new Tweeper($options['generate_enclosure']);
 340 echo $tweeper->tweep($options['src_url']);