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, $generate_enclosure = FALSE) {
  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->setParameter('', 'generateEnclosure', $generate_enclosure);
 100     $this->xsltProcessor->importStylesheet($xslDoc);
 101   }
 102
 103   private function get_contents($uri) {
 104     # https://www.wjsams.com/c/docs/Wiki/Php-HowToSetUserAgentOnFileGetContents
 105     $opts = array(
 106       'http' => array(
 107         'method' => "GET",
 108         'header' => join(array(
 109           "Accept-language: en\r\n",
 110           "User-Agent: {" + USER_AGENT + "}\r\n"
 111         ))
 112       )
 113     );
 114
 115     $context = stream_context_create($opts);
 116     $contents = file_get_contents($uri, false, $context);
 117     return $contents;
 118   }
 119
 120   public function tweep($uri) {
 121     $html = $this->get_contents($uri);
 122
 123     $xmlDoc = new DOMDocument();
 124     $xmlDoc->loadHTML($html);
 125
 126     $output = $this->xsltProcessor->transformToXML($xmlDoc);
 127
 128     if (FALSE === $output) {
 129       trigger_error('XSL transformation failed.', E_USER_ERROR);
 130       return NULL;
 131     }
 132     return $output;
 133   }
 134 }
 135
 136 function usage($argv)
 137 {
 138   if (php_sapi_name() != 'cli')
 139     $usage = htmlentities("{$_SERVER['SCRIPT_NAME']}?src_url=<src_url>&generate_enclosure=<0|1>");
 140   else
 141     $usage = "{$argv[0]} [-e|-h|--help] <src_url>\n";
 142
 143   return "usage: $usage";
 144 }
 145
 146 function parse_options_cli($argv, $argc)
 147 {
 148   $options = array(
 149     'generate_enclosure' => FALSE
 150   );
 151
 152   if ($argc < 2)
 153     return $options;
 154
 155   $cli_options = getopt("eh", array("help"));
 156   foreach ($cli_options as $opt => $val) {
 157     switch ($opt) {
 158     case 'e':
 159       $options['generate_enclosure'] = TRUE;
 160       break;
 161     case 'h':
 162     case 'help':
 163       echo usage($argv);
 164       exit(0);
 165     default:
 166       die(usage($argv));
 167     }
 168   }
 169
 170   $options['src_url'] = $argv[count($cli_options) + 1];
 171
 172   return $options;
 173 }
 174
 175 function parse_options_query_string()
 176 {
 177   $options = array(
 178     'generate_enclosure' => FALSE
 179   );
 180
 181   if (isset($_GET['src_url']))
 182     $options['src_url'] = $_GET['src_url'];
 183
 184   if (isset($_GET['generate_enclosure']))
 185     $options['generate_enclosure'] = $_GET['generate_enclosure'] == 1;
 186
 187   return $options;
 188 }
 189
 190
 191 if (php_sapi_name() != 'cli')
 192   $options = parse_options_query_string();
 193 else
 194   $options = parse_options_cli($argv, $argc);
 195
 196 if (!isset($options['src_url']))
 197   die(usage($argv));
 198
 199 $url = parse_url($options['src_url']);
 200 if (FALSE === $url || empty($url["host"]))
 201   die("Invalid url: ${options['src_url']}\n");
 202
 203 $stylesheet = __DIR__ . "/rss_converter_" . $url["host"] . ".xsl";
 204 if (FALSE === file_exists($stylesheet))
 205   die("Conversion to RSS not supported: {$url["host"]}\n");
 206
 207 $tweeper = new Tweeper($stylesheet, $options['generate_enclosure']);
 208 echo $tweeper->tweep($options['src_url']);