www/plugins-dist/sites/inc/syndic.php

   1 <?php
   2
   3 /***************************************************************************\
   4  *  SPIP, Systeme de publication pour l'internet                           *
   5  *                                                                         *
   6  *  Copyright (c) 2001-2013                                                *
   7  *  Arnaud Martin, Antoine Pitrou, Philippe Riviere, Emmanuel Saint-James  *
   8  *                                                                         *
   9  *  Ce programme est un logiciel libre distribue sous licence GNU/GPL.     *
  10  *  Pour plus de details voir le fichier COPYING.txt ou l'aide en ligne.   *
  11 \***************************************************************************/
  12
  13 if (!defined("_ECRIRE_INC_VERSION")) return;
  14
  15 // ATTENTION
  16 // Cette inclusion charge executer_une_syndication pour compatibilite,
  17 // mais cette fonction ne doit plus etre invoquee directement:
  18 // il faut passer par cron() pour avoir un verrou portable
  19 // Voir un exemple dans action/editer/site
  20 include_spip('genie/syndic');
  21
  22 // prend un fichier backend et retourne un tableau des items lus,
  23 // et une chaine en cas d'erreur
  24 // http://doc.spip.org/@analyser_backend
  25 function analyser_backend($rss, $url_syndic='') {
  26         include_spip('inc/texte'); # pour couper()
  27
  28         $rss = pipeline('pre_syndication', $rss);
  29
  30         // si true, les URLs de type feedburner sont dereferencees
  31         define('_SYNDICATION_DEREFERENCER_URL', false);
  32
  33         // Echapper les CDATA
  34         cdata_echappe($rss, $echappe_cdata);
  35
  36         // supprimer les commentaires
  37         $rss = preg_replace(',<!--.*-->,Ums', '', $rss);
  38
  39         // simplifier le backend, en supprimant les espaces de nommage type "dc:"
  40         $rss = preg_replace(',<(/?)(dc):,i', '<\1', $rss);
  41
  42         // chercher auteur/lang dans le fil au cas ou les items n'en auraient pas
  43         list($header) = preg_split(',<(item|entry)\b,', $rss, 2);
  44         if (preg_match_all(
  45         ',<(author|creator)\b(.*)</\1>,Uims',
  46         $header, $regs, PREG_SET_ORDER)) {
  47                 $les_auteurs_du_site = array();
  48                 foreach ($regs as $reg) {
  49                         $nom = $reg[2];
  50                         if (preg_match(',<name>(.*)</name>,Uims', $nom, $reg))
  51                                 $nom = $reg[1];
  52                         $les_auteurs_du_site[] = trim(textebrut(filtrer_entites($nom)));
  53                 }
  54                 $les_auteurs_du_site = join(', ', array_unique($les_auteurs_du_site));
  55         } else
  56                 $les_auteurs_du_site = '';
  57         if ((preg_match(',<([^>]*xml:)?lang(uage)?'.'>([^<>]+)<,i',
  58         $header, $match) AND $l = $match[3])
  59         OR ($l = extraire_attribut(extraire_balise($header, 'feed'), 'xml:lang'))
  60         )
  61                 $langue_du_site = $l;
  62         // atom
  63         elseif (preg_match(',<feed\s[^>]*xml:lang=[\'"]([^<>\'"]+)[\'"],i', $header, $match))
  64                 $langue_du_site = $match[1];
  65
  66         // Recuperer les blocs item et entry
  67         $items = array_merge(extraire_balises($rss, 'item'), extraire_balises($rss, 'entry'));
  68
  69
  70         //
  71         // Analyser chaque <item>...</item> du backend et le transformer en tableau
  72         //
  73
  74         if (!count($items)) return _T('sites:avis_echec_syndication_01');
  75
  76         foreach ($items as $item) {
  77                 $data = array();
  78
  79                 // URL (semi-obligatoire, sert de cle)
  80
  81                 // guid n'est un URL que si marque de <guid ispermalink="true"> ;
  82                 // attention la valeur par defaut est 'true' ce qui oblige a quelque
  83                 // gymnastique
  84                 if (preg_match(',<guid.*>[[:space:]]*(https?:[^<]*)</guid>,Uims',
  85                 $item, $regs) AND preg_match(',^(true|1)?$,i',
  86                 extraire_attribut($regs[0], 'ispermalink')))
  87                         $data['url'] = $regs[1];
  88                 // contourner les redirections feedburner
  89                 else if (_SYNDICATION_DEREFERENCER_URL
  90                 AND preg_match(',<feedburner:origLink>(.*)<,Uims',
  91                 $item, $regs))
  92                         $data['url'] = $regs[1];
  93                 // <link>, plus classique
  94                 else if (preg_match(
  95                 ',<link[^>]*[[:space:]]rel=["\']?alternate[^>]*>(.*)</link>,Uims',
  96                 $item, $regs))
  97                         $data['url'] = $regs[1];
  98                 else if (preg_match(',<link[^>]*[[:space:]]rel=.alternate[^>]*>,Uims',
  99                 $item, $regs))
 100                         $data['url'] = extraire_attribut($regs[0], 'href');
 101                 else if (preg_match(',<link[^>]*>(.*)</link>,Uims', $item, $regs))
 102                         $data['url'] = $regs[1];
 103                 else if (preg_match(',<link[^>]*>,Uims', $item, $regs))
 104                         $data['url'] = extraire_attribut($regs[0], 'href');
 105
 106                 // Aucun link ni guid, mais une enclosure
 107                 else if (preg_match(',<enclosure[^>]*>,ims', $item, $regs)
 108                 AND $url = extraire_attribut($regs[0], 'url'))
 109                         $data['url'] = $url;
 110
 111                 // pas d'url, c'est genre un compteur...
 112                 else
 113                         $data['url'] = '';
 114
 115                 // Titre (semi-obligatoire)
 116                 if (preg_match(",<title[^>]*>(.*?)</title>,ims",$item,$match))
 117                         $data['titre'] = $match[1];
 118                 else if (preg_match(',<link[[:space:]][^>]*>,Uims',$item,$mat)
 119                 AND $title = extraire_attribut($mat[0], 'title'))
 120                         $data['titre'] = $title;
 121                 if (!strlen($data['titre'] = trim($data['titre'])))
 122                         $data['titre'] = _T('ecrire:info_sans_titre');
 123
 124                 // Date
 125                 $la_date = '';
 126                 if (preg_match(',<(published|modified|issued)>([^<]*)<,Uims',
 127                 $item,$match)) {
 128                         cdata_echappe_retour($match[2], $echappe_cdata);
 129                         $la_date = my_strtotime($match[2]);
 130                 }
 131                 if (!$la_date AND
 132                 preg_match(',<(pubdate)>([^<]*)<,Uims',$item, $match)) {
 133                         cdata_echappe_retour($match[2], $echappe_cdata);
 134                         $la_date = my_strtotime($match[2]);
 135                 }
 136                 if (!$la_date AND
 137                 preg_match(',<([a-z]+:date)>([^<]*)<,Uims',$item,$match)) {
 138                         cdata_echappe_retour($match[2], $echappe_cdata);
 139                         $la_date = my_strtotime($match[2], $echappe_cdata);
 140                 }
 141                 if (!$la_date AND
 142                 preg_match(',<date>([^<]*)<,Uims',$item,$match)) {
 143                         cdata_echappe_retour($match[1], $echappe_cdata);
 144                         $la_date = my_strtotime($match[1]);
 145                 }
 146
 147                 // controle de validite de la date
 148                 // pour eviter qu'un backend errone passe toujours devant
 149                 // (note: ca pourrait etre defini site par site, mais ca risque d'etre
 150                 // plus lourd que vraiment utile)
 151                 if ($GLOBALS['controler_dates_rss']) {
 152                         if ($la_date > time() + 48 * 3600)
 153                                 $la_date = time();
 154                 }
 155
 156                 if ($la_date)
 157                         $data['date'] = $la_date;
 158
 159                 // Honorer le <lastbuilddate> en forcant la date
 160                 if (preg_match(',<(lastbuilddate|updated|modified)>([^<>]+)</\1>,i',
 161                 $item, $regs)
 162                 AND $lastbuilddate = my_strtotime(trim($regs[2]))
 163                 // pas dans le futur
 164                 AND $lastbuilddate < time())
 165                         $data['lastbuilddate'] = $lastbuilddate;
 166
 167                 // Auteur(s)
 168                 if (preg_match_all(
 169                 ',<(author|creator)\b[^>]*>(.*)</\1>,Uims',
 170                 $item, $regs, PREG_SET_ORDER)) {
 171                         $auteurs = array();
 172                         foreach ($regs as $reg) {
 173                                 $nom = $reg[2];
 174                                 if (preg_match(',<name\b[^>]*>(.*)</name>,Uims', $nom, $reg))
 175                                         $nom = $reg[1];
 176                                 // Cas particulier d'un auteur Flickr
 177                                 if (preg_match(',nobody@flickr.com \((.*)\),Uims', $nom, $reg))
 178                                         $nom = $reg[1];
 179                                 $auteurs[] = trim(textebrut(filtrer_entites($nom)));
 180                         }
 181                         $data['lesauteurs'] = join(', ', array_unique($auteurs));
 182                 }
 183                 else
 184                         $data['lesauteurs'] = $les_auteurs_du_site;
 185
 186                 // Description
 187                 if (preg_match(',<(description|summary)\b.*'
 188                 .'>(.*)</\1\b,Uims',$item,$match)) {
 189                         $data['descriptif'] = trim($match[2]);
 190                 }
 191                 if (preg_match(',<(content)\b.*'
 192                 .'>(.*)</\1\b,Uims',$item,$match)) {
 193                         $data['content'] = trim($match[2]);
 194                 }
 195
 196                 // lang
 197                 if (preg_match(',<([^>]*xml:)?lang(uage)?'.'>([^<>]+)<,i',
 198                         $item, $match))
 199                         $data['lang'] = trim($match[3]);
 200                 else if ($lang = trim(extraire_attribut($item, 'xml:lang')))
 201                         $data['lang'] = $lang;
 202                 else
 203                         $data['lang'] = trim($langue_du_site);
 204
 205                 // source et url_source  (pas trouve d'exemple en ligne !!)
 206                 # <source url="http://www.truc.net/music/uatsap.mp3" length="19917" />
 207                 # <source url="http://www.truc.net/rss">Site source</source>
 208                 if (preg_match(',(<source[^>]*>)(([^<>]+)</source>)?,i',
 209                 $item, $match)) {
 210                         $data['source'] = trim($match[3]);
 211                         $data['url_source'] = str_replace('&amp;', '&',
 212                                 trim(extraire_attribut($match[1], 'url')));
 213                 }
 214
 215                 // tags
 216                 # a partir de "<dc:subject>", (del.icio.us)
 217                 # ou <media:category> (flickr)
 218                 # ou <itunes:category> (apple)
 219                 # on cree nos tags microformat <a rel="directory" href="url">titre</a>
 220                 # http://microformats.org/wiki/rel-directory-fr
 221                 $tags = array();
 222                 if (preg_match_all(
 223                 ',<(([a-z]+:)?(subject|category|directory|keywords?|tags?|type))[^>]*>'
 224                 .'(.*?)</\1>,ims',
 225                 $item, $matches, PREG_SET_ORDER))
 226                         $tags = ajouter_tags($matches, $item); # array()
 227                 elseif (preg_match_all(
 228                 ',<(([a-z]+:)?(subject|category|directory|keywords?|tags?|type))[^>]*/>'
 229                 .',ims',
 230                 $item, $matches, PREG_SET_ORDER))
 231                         $tags = ajouter_tags($matches, $item); # array()
 232                 // Pieces jointes :
 233                 // chercher <enclosure> au format RSS et les passer en microformat
 234                 // ou des microformats relEnclosure,
 235                 // ou encore les media:content
 236                 if (!afficher_enclosures(join(', ', $tags))) {
 237                         // on prend toutes les pièces jointes possibles, et on essaie de les rendre uniques.
 238                         $enclosures = array();
 239                         # rss 2
 240                         if (preg_match_all(',<enclosure[[:space:]][^<>]+>,i',
 241                                 $item, $matches, PREG_PATTERN_ORDER)) {
 242                                         $enclosures += array_map('enclosure2microformat', $matches[0]);
 243                         }
 244                         # atom
 245                         if (preg_match_all(',<link\b[^<>]+rel=["\']?enclosure["\']?[^<>]+>,i',
 246                                 $item, $matches, PREG_PATTERN_ORDER)) {
 247                                         $enclosures += array_map('enclosure2microformat', $matches[0]);
 248                         }
 249                         # media rss
 250                         if (preg_match_all(',<media:content\b[^<>]+>,i',
 251                                 $item, $matches, PREG_PATTERN_ORDER)) {
 252                                         $enclosures += array_map('enclosure2microformat', $matches[0]);
 253                         }
 254                         $data['enclosures'] = join(', ', array_unique($enclosures));
 255                         unset($enclosures);
 256                 }
 257                 $data['item'] = $item;
 258
 259                 // Nettoyer les donnees et remettre les CDATA en place
 260                 cdata_echappe_retour($data, $echappe_cdata);
 261                 cdata_echappe_retour($tags, $echappe_cdata);
 262
 263                 // passer l'url en absolue
 264                 $data['url'] = url_absolue(filtrer_entites($data['url']), $url_syndic);
 265
 266                 // Trouver les microformats (ecrase les <category> et <dc:subject>)
 267                 if (preg_match_all(
 268                 ',<a[[:space:]]([^>]+[[:space:]])?rel=[^>]+>.*</a>,Uims',
 269                 $data['item'], $regs, PREG_PATTERN_ORDER)) {
 270                         $tags = $regs[0];
 271                 }
 272                 // Cas particulier : tags Connotea sous la forme <a class="postedtag">
 273                 if (preg_match_all(
 274                 ',<a[[:space:]][^>]+ class="postedtag"[^>]*>.*</a>,Uims',
 275                 $data['item'], $regs, PREG_PATTERN_ORDER))
 276                         $tags = preg_replace(', class="postedtag",i',
 277                         ' rel="tag"', $regs[0]);
 278
 279                 $data['tags'] = $tags;
 280                 // enlever le html des titre pour etre homogene avec les autres objets spip
 281                 $data['titre'] = textebrut($data['titre']);
 282
 283                 $articles[] = $data;
 284         }
 285
 286         return $articles;
 287 }
 288
 289
 290 // helas strtotime ne reconnait pas le format W3C
 291 // http://www.w3.org/TR/NOTE-datetime
 292 // http://doc.spip.org/@my_strtotime
 293 function my_strtotime($la_date) {
 294
 295         // format complet
 296         if (preg_match(
 297         ',^(\d+-\d+-\d+[T ]\d+:\d+(:\d+)?)(\.\d+)?'
 298         .'(Z|([-+]\d{2}):\d+)?$,',
 299         $la_date, $match)) {
 300                 $la_date = str_replace("T", " ", $match[1])." GMT";
 301                 return strtotime($la_date) - intval($match[5]) * 3600;
 302         }
 303
 304         // YYYY
 305         if (preg_match(',^\d{4}$,', $la_date, $match))
 306                 return strtotime($match[0]."-01-01");
 307
 308         // YYYY-MM
 309         if (preg_match(',^\d{4}-\d{2}$,', $la_date, $match))
 310                 return strtotime($match[0]."-01");
 311
 312         // utiliser strtotime en dernier ressort
 313         $s = strtotime($la_date);
 314         if ($s > 0)
 315                 return $s;
 316
 317         // YYYY-MM-DD hh:mm:ss
 318         if (preg_match(',^\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2}:\d{2}\b,', $la_date, $match))
 319                 return strtotime($match[0]);
 320
 321
 322         // erreur
 323         spip_log("Impossible de lire le format de date '$la_date'");
 324         return false;
 325 }
 326 // A partir d'un <dc:subject> ou autre essayer de recuperer
 327 // le mot et son url ; on cree <a href="url" rel="tag">mot</a>
 328 // http://doc.spip.org/@creer_tag
 329 function creer_tag($mot,$type,$url) {
 330         if (!strlen($mot = trim($mot))) return '';
 331         $mot = "<a rel=\"tag\">$mot</a>";
 332         if ($url)
 333                 $mot = inserer_attribut($mot, 'href', $url);
 334         if ($type)
 335                 $mot = inserer_attribut($mot, 'rel', $type);
 336         return $mot;
 337 }
 338
 339
 340 // http://doc.spip.org/@ajouter_tags
 341 function ajouter_tags($matches, $item) {
 342         include_spip('inc/filtres');
 343         $tags = array();
 344         foreach ($matches as $match) {
 345                 $type = ($match[3] == 'category' OR $match[3] == 'directory')
 346                         ? 'directory':'tag';
 347                 $mot = supprimer_tags($match[0]);
 348                 if (!strlen($mot)
 349                 AND !strlen($mot = extraire_attribut($match[0], 'label')))
 350                         break;
 351                 // rechercher un url
 352                 if ($url = extraire_attribut($match[0], 'domain')) {
 353                         // category@domain est la racine d'une url qui se prolonge
 354                         // avec le contenu text du tag <category> ; mais dans SPIP < 2.0
 355                         // on donnait category@domain = #URL_RUBRIQUE, et
 356                         // text = #TITRE_RUBRIQUE ; d'ou l'heuristique suivante sur le slash
 357                         if (substr($url, -1) == '/')
 358                                 $url .= rawurlencode($mot);
 359                 }
 360                 else if ($url = extraire_attribut($match[0], 'resource')
 361                 OR $url = extraire_attribut($match[0], 'url')
 362                 )
 363                         {}
 364
 365                 ## cas particuliers
 366                 else if (extraire_attribut($match[0], 'scheme') == 'urn:flickr:tags') {
 367                         foreach(explode(' ', $mot) as $petit)
 368                                 if ($t = creer_tag($petit, $type,
 369                                 'http://www.flickr.com/photos/tags/'.rawurlencode($petit).'/'))
 370                                         $tags[] = $t;
 371                         $mot = '';
 372                 }
 373                 else if (
 374                         // cas atom1, a faire apres flickr
 375                         $term = extraire_attribut($match[0], 'term')
 376                 ) {
 377                         if ($scheme = extraire_attribut($match[0], 'scheme'))
 378                                 $url = suivre_lien($scheme,$term);
 379                         else
 380                                 $url = $term;
 381                 }
 382                 else {
 383                         # type delicious.com
 384                         foreach(explode(' ', $mot) as $petit)
 385                                 if (preg_match(',<rdf\b[^>]*\bresource=["\']([^>]*/'
 386                                 .preg_quote(rawurlencode($petit),',').')["\'],i',
 387                                 $item, $m)) {
 388                                         $mot = '';
 389                                         if ($t = creer_tag($petit, $type, $m[1]))
 390                                                 $tags[] = $t;
 391                                 }
 392                 }
 393
 394                 if ($t = creer_tag($mot, $type, $url))
 395                         $tags[] = $t;
 396         }
 397         return $tags;
 398 }
 399
 400
 401 // Lit contenu des blocs [[CDATA]] dans un flux
 402 // http://doc.spip.org/@cdata_echappe_retour
 403 function cdata_echappe(&$rss, &$echappe_cdata) {
 404         $echappe_cdata = array();
 405         if (preg_match_all(',<!\[CDATA\[(.*)]]>,Uims', $rss,
 406         $regs, PREG_SET_ORDER)) {
 407                 foreach ($regs as $n => $reg) {
 408                         if (preg_match(',[<>],', $reg[1])) {
 409                                 $echappe_cdata[$n] = $reg[1];
 410                                 $rss = str_replace($reg[0], "@@@SPIP_CDATA$n@@@", $rss);
 411                         } else
 412                                 $rss = str_replace($reg[0], $reg[1], $rss);
 413                 }
 414         }
 415 }
 416
 417 // Retablit le contenu des blocs [[CDATA]] dans une chaine ou un tableau
 418 // http://doc.spip.org/@cdata_echappe_retour
 419 function cdata_echappe_retour(&$x, &$echappe_cdata) {
 420         if (is_string($x)) {
 421                 if (strpos($x, '@@@SPIP_CDATA') !== false
 422                 OR strpos($x, '&lt;') !== false) {
 423                         $x = filtrer_entites($x);
 424                         foreach ($echappe_cdata as $n => $e)
 425                                 $x = str_replace("@@@SPIP_CDATA$n@@@", $e, $x);
 426                 }
 427         }
 428
 429         else if (is_array($x)) {
 430                 foreach($x as $k => &$v)
 431                         cdata_echappe_retour($v, $echappe_cdata);
 432         }
 433 }
 434 ?>