www/ecrire/inc/syndic.php

   1 <?php
   2
   3 /***************************************************************************\
   4  *  SPIP, Systeme de publication pour l'internet                           *
   5  *                                                                         *
   6  *  Copyright (c) 2001-2011                                                *
   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         $echappe_cdata = array();
  35         if (preg_match_all(',<!\[CDATA\[(.*)]]>,Uims', $rss,
  36         $regs, PREG_SET_ORDER)) {
  37                 foreach ($regs as $n => $reg) {
  38                         $echappe_cdata[$n] = $reg[1];
  39                         $rss = str_replace($reg[0], "@@@SPIP_CDATA$n@@@", $rss);
  40                 }
  41         }
  42
  43         // supprimer les commentaires
  44         $rss = preg_replace(',<!--.*-->,Ums', '', $rss);
  45
  46         // simplifier le backend, en supprimant les espaces de nommage type "dc:"
  47         $rss = preg_replace(',<(/?)(dc):,i', '<\1', $rss);
  48
  49         // chercher auteur/lang dans le fil au cas ou les items n'en auraient pas
  50         list($header) = preg_split(',<(item|entry)\b,', $rss, 2);
  51         if (preg_match_all(
  52         ',<(author|creator)\b(.*)</\1>,Uims',
  53         $header, $regs, PREG_SET_ORDER)) {
  54                 $les_auteurs_du_site = array();
  55                 foreach ($regs as $reg) {
  56                         $nom = $reg[2];
  57                         if (preg_match(',<name>(.*)</name>,Uims', $nom, $reg))
  58                                 $nom = $reg[1];
  59                         $les_auteurs_du_site[] = trim(textebrut(filtrer_entites($nom)));
  60                 }
  61                 $les_auteurs_du_site = join(', ', array_unique($les_auteurs_du_site));
  62         } else
  63                 $les_auteurs_du_site = '';
  64
  65         if (preg_match(',<([^>]*xml[:])?lang(uage)?'.'>([^<>]+)<,i', $header, $match))
  66                 $langue_du_site = $match[3];
  67         // atom
  68         elseif (preg_match(',<feed\s[^>]*xml:lang=[\'"]([^<>\'"]+)[\'"],i', $header, $match))
  69                 $langue_du_site = $match[1];
  70
  71         // Attention en PCRE 6.7 preg_match_all casse sur un backend avec de gros <content:encoded>
  72         $items = preg_split(',<(item|entry)\b.*>,Uims', $rss);
  73         array_shift($items);
  74         foreach ($items as $k=>$item)
  75                 $items[$k] = preg_replace(',</(item|entry)\b.*>.*$,UimsS', '', $item);
  76
  77         //
  78         // Analyser chaque <item>...</item> du backend et le transformer en tableau
  79         //
  80
  81         if (!count($items)) return _T('avis_echec_syndication_01');
  82
  83         foreach ($items as $item) {
  84                 $data = array();
  85
  86                 // URL (semi-obligatoire, sert de cle)
  87
  88                 // guid n'est un URL que si marque de <guid ispermalink="true"> ;
  89                 // attention la valeur par defaut est 'true' ce qui oblige a quelque
  90                 // gymnastique
  91                 if (preg_match(',<guid.*>[[:space:]]*(https?:[^<]*)</guid>,Uims',
  92                 $item, $regs) AND preg_match(',^(true|1)?$,i',
  93                 extraire_attribut($regs[0], 'ispermalink')))
  94                         $data['url'] = $regs[1];
  95                 // contourner les redirections feedburner
  96                 else if (_SYNDICATION_DEREFERENCER_URL
  97                 AND preg_match(',<feedburner:origLink>(.*)<,Uims',
  98                 $item, $regs))
  99                         $data['url'] = $regs[1];
 100                 // <link>, plus classique
 101                 else if (preg_match(
 102                 ',<link[^>]*[[:space:]]rel=["\']?alternate[^>]*>(.*)</link>,Uims',
 103                 $item, $regs))
 104                         $data['url'] = $regs[1];
 105                 else if (preg_match(',<link[^>]*[[:space:]]rel=.alternate[^>]*>,Uims',
 106                 $item, $regs))
 107                         $data['url'] = extraire_attribut($regs[0], 'href');
 108                 else if (preg_match(',<link[^>]*>(.*)</link>,Uims', $item, $regs))
 109                         $data['url'] = $regs[1];
 110                 else if (preg_match(',<link[^>]*>,Uims', $item, $regs))
 111                         $data['url'] = extraire_attribut($regs[0], 'href');
 112
 113                 // Aucun link ni guid, mais une enclosure
 114                 else if (preg_match(',<enclosure[^>]*>,ims', $item, $regs)
 115                 AND $url = extraire_attribut($regs[0], 'url'))
 116                         $data['url'] = $url;
 117
 118                 // pas d'url, c'est genre un compteur...
 119                 else
 120                         $data['url'] = '';
 121
 122                 // Titre (semi-obligatoire)
 123                 if (preg_match(",<title[^>]*>(.*?)</title>,ims",$item,$match))
 124                         $data['titre'] = $match[1];
 125                 else if (preg_match(',<link[[:space:]][^>]*>,Uims',$item,$mat)
 126                 AND $title = extraire_attribut($mat[0], 'title'))
 127                         $data['titre'] = $title;
 128                 if (!strlen($data['titre'] = trim($data['titre'])))
 129                         $data['titre'] = _T('ecrire:info_sans_titre');
 130
 131                 // Date
 132                 $la_date = '';
 133                 if (preg_match(',<(published|modified|issued)>([^<]*)<,Uims',
 134                 $item,$match))
 135                         $la_date = my_strtotime($match[2]);
 136                 if (!$la_date AND
 137                 preg_match(',<(pubdate)>([^<]*)<,Uims',$item, $match))
 138                         $la_date = my_strtotime($match[2]);
 139                 if (!$la_date AND
 140                 preg_match(',<([a-z]+:date)>([^<]*)<,Uims',$item,$match))
 141                         $la_date = my_strtotime($match[2]);
 142                 if (!$la_date AND
 143                 preg_match(',<date>([^<]*)<,Uims',$item,$match))
 144                         $la_date = my_strtotime($match[1]);
 145
 146                 // controle de validite de la date
 147                 // pour eviter qu'un backend errone passe toujours devant
 148                 // (note: ca pourrait etre defini site par site, mais ca risque d'etre
 149                 // plus lourd que vraiment utile)
 150                 if ($GLOBALS['controler_dates_rss']) {
 151                         if ($la_date > time() + 48 * 3600)
 152                                 $la_date = time();
 153                 }
 154
 155                 $data['date'] = $la_date;
 156
 157                 // Honorer le <lastbuilddate> en forcant la date
 158                 if (preg_match(',<(lastbuilddate|updated|modified)>([^<>]+)</\1>,i',
 159                 $item, $regs)
 160                 AND $lastbuilddate = my_strtotime(trim($regs[2]))
 161                 // pas dans le futur
 162                 AND $lastbuilddate < time())
 163                         $data['lastbuilddate'] = $lastbuilddate;
 164
 165                 // Auteur(s)
 166                 if (preg_match_all(
 167                 ',<(author|creator)>(.*)</\1>,Uims',
 168                 $item, $regs, PREG_SET_ORDER)) {
 169                         $auteurs = array();
 170                         foreach ($regs as $reg) {
 171                                 $nom = $reg[2];
 172                                 if (preg_match(',<name>(.*)</name>,Uims', $nom, $reg))
 173                                         $nom = $reg[1];
 174                                 $auteurs[] = trim(textebrut(filtrer_entites($nom)));
 175                         }
 176                         $data['lesauteurs'] = join(', ', array_unique($auteurs));
 177                 }
 178                 else
 179                         $data['lesauteurs'] = $les_auteurs_du_site;
 180
 181                 // Description
 182                 if (preg_match(',<(description|summary)\b.*'
 183                 .'>(.*)</\1\b,Uims',$item,$match)) {
 184                         $data['descriptif'] = trim($match[2]);
 185                 }
 186                 if (preg_match(',<(content)\b.*'
 187                 .'>(.*)</\1\b,Uims',$item,$match)) {
 188                         $data['content'] = trim($match[2]);
 189                 }
 190
 191                 // lang
 192                 if (preg_match(',<([^>]*xml:)?lang(uage)?'.'>([^<>]+)<,i',
 193                         $item, $match))
 194                         $data['lang'] = trim($match[3]);
 195                 else if ($lang = trim(extraire_attribut($item, 'xml:lang')))
 196                         $data['lang'] = $lang;
 197                 else
 198                         $data['lang'] = trim($langue_du_site);
 199
 200                 // source et url_source  (pas trouve d'exemple en ligne !!)
 201                 # <source url="http://www.truc.net/music/uatsap.mp3" length="19917" />
 202                 # <source url="http://www.truc.net/rss">Site source</source>
 203                 if (preg_match(',(<source[^>]*>)(([^<>]+)</source>)?,i',
 204                 $item, $match)) {
 205                         $data['source'] = trim($match[3]);
 206                         $data['url_source'] = str_replace('&amp;', '&',
 207                                 trim(extraire_attribut($match[1], 'url')));
 208                 }
 209
 210                 // tags
 211                 # a partir de "<dc:subject>", (del.icio.us)
 212                 # ou <media:category> (flickr)
 213                 # ou <itunes:category> (apple)
 214                 # on cree nos tags microformat <a rel="directory" href="url">titre</a>
 215                 # http://microformats.org/wiki/rel-directory-fr
 216                 $tags = array();
 217                 if (preg_match_all(
 218                 ',<(([a-z]+:)?(subject|category|directory|keywords?|tags?|type))[^>]*>'
 219                 .'(.*?)</\1>,ims',
 220                 $item, $matches, PREG_SET_ORDER))
 221                         $tags = ajouter_tags($matches, $item); # array()
 222                 elseif (preg_match_all(
 223                 ',<(([a-z]+:)?(subject|category|directory|keywords?|tags?|type))[^>]*/>'
 224                 .',ims',
 225                 $item, $matches, PREG_SET_ORDER))
 226                         $tags = ajouter_tags($matches, $item); # array()
 227                 // Pieces jointes :
 228                 // chercher <enclosure> au format RSS et les passer en microformat
 229                 // ou des microformats relEnclosure,
 230                 // ou encore les media:content
 231                 if (!afficher_enclosures(join(', ', $tags))) {
 232                         if (preg_match_all(',<enclosure[[:space:]][^<>]+>,i',
 233                         $item, $matches, PREG_PATTERN_ORDER))
 234                                 $data['enclosures'] = join(', ',
 235                                         array_map('enclosure2microformat', $matches[0]));
 236                         else if (
 237                         preg_match_all(',<link\b[^<>]+rel=["\']?enclosure["\']?[^<>]+>,i',
 238                         $item, $matches, PREG_PATTERN_ORDER))
 239                                 $data['enclosures'] = join(', ',
 240                                         array_map('enclosure2microformat', $matches[0]));
 241                         else if (
 242                         preg_match_all(',<media:content\b[^<>]+>,i',
 243                         $item, $matches, PREG_PATTERN_ORDER))
 244                                 $data['enclosures'] = join(', ',
 245                                         array_map('enclosure2microformat', $matches[0]));
 246                 }
 247                 $data['item'] = $item;
 248
 249                 // Nettoyer les donnees et remettre les CDATA en place
 250                 cdata_echappe_retour($data, $echappe_cdata);
 251                 cdata_echappe_retour($tags, $echappe_cdata);
 252
 253                 // passer l'url en absolue
 254                 $data['url'] = url_absolue(filtrer_entites($data['url']), $url_syndic);
 255
 256                 // Trouver les microformats (ecrase les <category> et <dc:subject>)
 257                 if (preg_match_all(
 258                 ',<a[[:space:]]([^>]+[[:space:]])?rel=[^>]+>.*</a>,Uims',
 259                 $data['item'], $regs, PREG_PATTERN_ORDER)) {
 260                         $tags = $regs[0];
 261                 }
 262                 // Cas particulier : tags Connotea sous la forme <a class="postedtag">
 263                 if (preg_match_all(
 264                 ',<a[[:space:]][^>]+ class="postedtag"[^>]*>.*</a>,Uims',
 265                 $data['item'], $regs, PREG_PATTERN_ORDER))
 266                         $tags = preg_replace(', class="postedtag",i',
 267                         ' rel="tag"', $regs[0]);
 268
 269                 $data['tags'] = $tags;
 270                 // enlever le html des titre pour etre homogene avec les autres objets spip
 271                 $data['titre'] = textebrut($data['titre']);
 272
 273                 $articles[] = $data;
 274         }
 275
 276         return $articles;
 277 }
 278
 279
 280 // helas strtotime ne reconnait pas le format W3C
 281 // http://www.w3.org/TR/NOTE-datetime
 282 // http://doc.spip.org/@my_strtotime
 283 function my_strtotime($la_date) {
 284
 285         // format complet
 286         if (preg_match(
 287         ',^(\d+-\d+-\d+[T ]\d+:\d+(:\d+)?)(\.\d+)?'
 288         .'(Z|([-+]\d{2}):\d+)?$,',
 289         $la_date, $match)) {
 290                 $la_date = str_replace("T", " ", $match[1])." GMT";
 291                 return strtotime($la_date) - intval($match[5]) * 3600;
 292         }
 293
 294         // YYYY
 295         if (preg_match(',^\d{4}$,', $la_date, $match))
 296                 return strtotime($match[0]."-01-01");
 297
 298         // YYYY-MM
 299         if (preg_match(',^\d{4}-\d{2}$,', $la_date, $match))
 300                 return strtotime($match[0]."-01");
 301
 302         // utiliser strtotime en dernier ressort
 303         $s = strtotime($la_date);
 304         if ($s > 0)
 305                 return $s;
 306
 307         // YYYY-MM-DD hh:mm:ss
 308         if (preg_match(',^\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2}:\d{2}\b,', $la_date, $match))
 309                 return strtotime($match[0]);
 310
 311
 312         // erreur
 313         spip_log("Impossible de lire le format de date '$la_date'");
 314         return false;
 315 }
 316 // A partir d'un <dc:subject> ou autre essayer de recuperer
 317 // le mot et son url ; on cree <a href="url" rel="tag">mot</a>
 318 // http://doc.spip.org/@creer_tag
 319 function creer_tag($mot,$type,$url) {
 320         if (!strlen($mot = trim($mot))) return '';
 321         $mot = "<a rel=\"tag\">$mot</a>";
 322         if ($url)
 323                 $mot = inserer_attribut($mot, 'href', $url);
 324         if ($type)
 325                 $mot = inserer_attribut($mot, 'rel', $type);
 326         return $mot;
 327 }
 328
 329
 330 // http://doc.spip.org/@ajouter_tags
 331 function ajouter_tags($matches, $item) {
 332         include_spip('inc/filtres');
 333         $tags = array();
 334         foreach ($matches as $match) {
 335                 $type = ($match[3] == 'category' OR $match[3] == 'directory')
 336                         ? 'directory':'tag';
 337                 $mot = supprimer_tags($match[0]);
 338                 if (!strlen($mot)
 339                 AND !strlen($mot = extraire_attribut($match[0], 'label')))
 340                         break;
 341                 // rechercher un url
 342                 if ($url = extraire_attribut($match[0], 'domain')) {
 343                         // category@domain est la racine d'une url qui se prolonge
 344                         // avec le contenu text du tag <category> ; mais dans SPIP < 2.0
 345                         // on donnait category@domain = #URL_RUBRIQUE, et
 346                         // text = #TITRE_RUBRIQUE ; d'ou l'heuristique suivante sur le slash
 347                         if (substr($url, -1) == '/')
 348                                 $url .= rawurlencode($mot);
 349                 }
 350                 else if ($url = extraire_attribut($match[0], 'resource')
 351                 OR $url = extraire_attribut($match[0], 'url')
 352                 )
 353                         {}
 354
 355                 ## cas particuliers
 356                 else if (extraire_attribut($match[0], 'scheme') == 'urn:flickr:tags') {
 357                         foreach(explode(' ', $mot) as $petit)
 358                                 if ($t = creer_tag($petit, $type,
 359                                 'http://www.flickr.com/photos/tags/'.rawurlencode($petit).'/'))
 360                                         $tags[] = $t;
 361                         $mot = '';
 362                 }
 363                 else if (
 364                         // cas atom1, a faire apres flickr
 365                         $term = extraire_attribut($match[0], 'term')
 366                 ) {
 367                         if ($scheme = extraire_attribut($match[0], 'scheme'))
 368                                 $url = suivre_lien($scheme,$term);
 369                         else
 370                                 $url = $term;
 371                 }
 372                 else {
 373                         # type delicious.com
 374                         foreach(explode(' ', $mot) as $petit)
 375                                 if (preg_match(',<rdf\b[^>]*\bresource=["\']([^>]*/'
 376                                 .preg_quote(rawurlencode($petit),',').')["\'],i',
 377                                 $item, $m)) {
 378                                         $mot = '';
 379                                         if ($t = creer_tag($petit, $type, $m[1]))
 380                                                 $tags[] = $t;
 381                                 }
 382                 }
 383
 384                 if ($t = creer_tag($mot, $type, $url))
 385                         $tags[] = $t;
 386         }
 387         return $tags;
 388 }
 389
 390
 391 // Retablit le contenu des blocs [[CDATA]] dans un tableau
 392 // http://doc.spip.org/@cdata_echappe_retour
 393 function cdata_echappe_retour(&$table, &$echappe_cdata) {
 394         foreach ($table as $var => $val) {
 395                 $table[$var] = filtrer_entites($table[$var]);
 396                 foreach ($echappe_cdata as $n => $e)
 397                         $table[$var] = str_replace("@@@SPIP_CDATA$n@@@",
 398                                 $e, $table[$var]);
 399         }
 400 }
 401 ?>