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 class Tweeper {
  24
  25   private static $USER_AGENT = "Mozilla/5.0 (Windows NT 6.1; rv:22.0) Gecko/20130405 Firefox/22.0";
  26
  27   public function __construct($stylesheet, $generate_enclosure = FALSE) {
  28     $stylesheet_contents = $this->get_contents($stylesheet);
  29
  30     $xslDoc = new DOMDocument();
  31     $xslDoc->loadXML($stylesheet_contents);
  32
  33     $this->xsltProcessor = new XSLTProcessor();
  34     $this->xsltProcessor->registerPHPFunctions();
  35     $this->xsltProcessor->setParameter('', 'generateEnclosure', $generate_enclosure);
  36     $this->xsltProcessor->importStylesheet($xslDoc);
  37   }
  38
  39   public static function epoch_to_gmdate($timestamp)
  40   {
  41     return gmdate('D, d M Y H:i:s', $timestamp) . ' GMT';
  42   }
  43
  44   public static function str_to_gmdate($date)
  45   {
  46     $timestamp = strtotime($date);
  47     return Tweeper::epoch_to_gmdate($timestamp);
  48   }
  49
  50   private static function get_contents($url)
  51   {
  52     $ch = curl_init($url);
  53     curl_setopt_array($ch, array(
  54       CURLOPT_HEADER => FALSE,
  55       CURLOPT_FOLLOWLOCATION => TRUE,  // follow http redirects to get the real URL
  56       CURLOPT_RETURNTRANSFER => TRUE,
  57       CURLOPT_SSL_VERIFYHOST => FALSE,
  58       CURLOPT_SSL_VERIFYPEER => FALSE,
  59       CURLOPT_HTTPHEADER => array('Accept-language: en'),
  60       CURLOPT_USERAGENT => Tweeper::$USER_AGENT,
  61     ));
  62     $contents = curl_exec($ch);
  63     curl_close($ch);
  64
  65     return $contents;
  66   }
  67
  68   private static function get_info($url)
  69   {
  70     $ch = curl_init($url);
  71     curl_setopt_array($ch, array(
  72       CURLOPT_HEADER => TRUE,
  73       CURLOPT_NOBODY => TRUE,
  74       CURLOPT_FOLLOWLOCATION => TRUE,  // follow http redirects to get the real URL
  75       CURLOPT_RETURNTRANSFER => TRUE,
  76       CURLOPT_SSL_VERIFYHOST => FALSE,
  77       CURLOPT_SSL_VERIFYPEER => FALSE,
  78       CURLOPT_USERAGENT => Tweeper::$USER_AGENT,
  79     ));
  80     curl_exec($ch);
  81     $url_info = curl_getinfo($ch);
  82     curl_close($ch);
  83
  84     return $url_info;
  85   }
  86
  87   public static function generate_enclosure($url)
  88   {
  89     $supported_content_types = array(
  90       "application/ogg",
  91       "audio/aac",
  92       "audio/mp4",
  93       "audio/mpeg",
  94       "audio/vorbis",
  95       "audio/wav",
  96       "audio/webm",
  97       "audio/x-midi",
  98       "image/gif",
  99       "image/jpeg",
 100       "video/avi",
 101       "video/mp4",
 102       "video/mpeg",
 103       "video/ogg",
 104     );
 105
 106     $url_info = Tweeper::get_info($url);
 107
 108     $supported = in_array($url_info['content_type'], $supported_content_types);
 109     if (!$supported) {
 110       error_log("Unsupported enclosure content type \"" . $url_info['content_type'] . "\" for URL: " . $url_info['url']);
 111       return '';
 112     }
 113
 114     $dom = new DomDocument();
 115     $enc = $dom->createElement('enclosure');
 116     $enc->setAttribute('url', $url_info['url']);
 117     $enc->setAttribute('length', $url_info['download_content_length']);
 118     $enc->setAttribute('type', $url_info['content_type']);
 119
 120     $dom->appendChild($enc);
 121
 122     return $dom->saveXML($enc);
 123   }
 124
 125   public function tweep($uri) {
 126     $html = Tweeper::get_contents($uri);
 127
 128     $xmlDoc = new DOMDocument();
 129     $xmlDoc->loadHTML($html);
 130
 131     $output = $this->xsltProcessor->transformToXML($xmlDoc);
 132
 133     if (FALSE === $output) {
 134       trigger_error('XSL transformation failed.', E_USER_ERROR);
 135       return NULL;
 136     }
 137     return $output;
 138   }
 139 }
 140
 141 function usage($argv)
 142 {
 143   if (php_sapi_name() != 'cli')
 144     $usage = htmlentities("{$_SERVER['SCRIPT_NAME']}?src_url=<src_url>&generate_enclosure=<0|1>");
 145   else
 146     $usage = "{$argv[0]} [-e|-h|--help] <src_url>\n";
 147
 148   return "usage: $usage";
 149 }
 150
 151 function parse_options_cli($argv, $argc)
 152 {
 153   $options = array(
 154     'generate_enclosure' => FALSE
 155   );
 156
 157   if ($argc < 2)
 158     return $options;
 159
 160   $cli_options = getopt("eh", array("help"));
 161   foreach ($cli_options as $opt => $val) {
 162     switch ($opt) {
 163     case 'e':
 164       $options['generate_enclosure'] = TRUE;
 165       break;
 166     case 'h':
 167     case 'help':
 168       echo usage($argv);
 169       exit(0);
 170     default:
 171       die(usage($argv));
 172     }
 173   }
 174
 175   $options['src_url'] = $argv[count($cli_options) + 1];
 176
 177   return $options;
 178 }
 179
 180 function parse_options_query_string()
 181 {
 182   $options = array(
 183     'generate_enclosure' => FALSE
 184   );
 185
 186   if (isset($_GET['src_url']))
 187     $options['src_url'] = $_GET['src_url'];
 188
 189   if (isset($_GET['generate_enclosure']))
 190     $options['generate_enclosure'] = $_GET['generate_enclosure'] == 1;
 191
 192   return $options;
 193 }
 194
 195
 196 if (php_sapi_name() != 'cli')
 197   $options = parse_options_query_string();
 198 else
 199   $options = parse_options_cli($argv, $argc);
 200
 201 if (!isset($options['src_url']))
 202   die(usage($argv));
 203
 204 $url = parse_url($options['src_url']);
 205 if (FALSE === $url || empty($url["host"]))
 206   die("Invalid url: ${options['src_url']}\n");
 207
 208 $stylesheet = "file://" . __DIR__ . "/rss_converter_" . $url["host"] . ".xsl";
 209 if (FALSE === file_exists($stylesheet))
 210   die("Conversion to RSS not supported: {$url["host"]}\n");
 211
 212 $tweeper = new Tweeper($stylesheet, $options['generate_enclosure']);
 213 echo $tweeper->tweep($options['src_url']);