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 function formatDate($timestamp)
  24 {
  25   return gmdate('D, d M Y H:i:s', $timestamp) . ' GMT';
  26 }
  27
  28 class Tweeper {
  29
  30   private $USER_AGENT = "Mozilla/5.0 (Windows NT 6.1; rv:22.0) Gecko/20130405 Firefox/22.0";
  31
  32   public function __construct($stylesheet) {
  33     $stylesheet_contents = $this->get_contents($stylesheet);
  34
  35     $xslDoc = new DOMDocument();
  36     $xslDoc->loadXML($stylesheet_contents);
  37
  38     $this->xsltProcessor = new XSLTProcessor();
  39     $this->xsltProcessor->registerPHPFunctions();
  40     $this->xsltProcessor->importStylesheet($xslDoc);
  41   }
  42
  43   private function get_contents($uri) {
  44     # https://www.wjsams.com/c/docs/Wiki/Php-HowToSetUserAgentOnFileGetContents
  45     $opts = array(
  46       'http' => array(
  47         'method' => "GET",
  48         'header' => join(array(
  49           "Accept-language: en\r\n",
  50           "User-Agent: {$this->USER_AGENT}\r\n"
  51         ))
  52       )
  53     );
  54
  55     $context = stream_context_create($opts);
  56     $contents = file_get_contents($uri, false, $context);
  57     return $contents;
  58   }
  59
  60   public function tweep($uri) {
  61     $html = $this->get_contents($uri);
  62
  63     $xmlDoc = new DOMDocument();
  64     $xmlDoc->loadHTML($html);
  65
  66     $output = $this->xsltProcessor->transformToXML($xmlDoc);
  67
  68     if (FALSE === $output) {
  69       trigger_error('XSL transformation failed.', E_USER_ERROR);
  70       return NULL;
  71     }
  72     return $output;
  73   }
  74 }
  75
  76 function usage($argv)
  77 {
  78   if (php_sapi_name() != 'cli')
  79     $usage = htmlentities("{$_SERVER['SCRIPT_NAME']}?src_url=<src_url>");
  80   else
  81     $usage = "{$argv[0]} <src_url>\n";
  82
  83   return "usage: $usage";
  84 }
  85
  86 if (isset($_GET['src_url'])) {
  87   $src_url = $_GET['src_url'];
  88 } else if (isset($argv[1])) {
  89   $src_url = $argv[1];
  90 } else {
  91   die(usage($argv));
  92 }
  93
  94 $url = parse_url($src_url);
  95 if (FALSE === $url || empty($url["host"]))
  96   die("Invalid url\n");
  97
  98 $stylesheet = "rss_converter_" . $url["host"] . ".xsl";
  99 if (FALSE === file_exists($stylesheet))
 100   die("Unsupported host\n");
 101
 102 $tweeper = new Tweeper($stylesheet);
 103 echo $tweeper->tweep($src_url);