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

   1 <?php
   2
   3 /***************************************************************************\
   4  *  SPIP, Systeme de publication pour l'internet                           *
   5  *                                                                         *
   6  *  Copyright (c) 2001-2016                                                *
   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://code.spip.net/@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[^>]*>\s*([^\s]+)\s*</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], $langue_du_site);
 130                 }
 131                 if (!$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], $langue_du_site);
 135                 }
 136                 if (!$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], $langue_du_site);
 140                 }
 141                 if (!$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], $langue_du_site);
 145                 }
 146
 147                 // controle de validite de la date
 148                 // pour eviter qu'un backend errone passe toujours devant
 149                 // (note: ca pourrait etre defini site par site, mais ca risque d'etre
 150                 // plus lourd que vraiment utile)
 151                 if ($GLOBALS['controler_dates_rss']) {
 152                         if (!$la_date
 153                                 OR $la_date > time() + 48 * 3600)
 154                                 $la_date = time();
 155                 }
 156
 157                 if ($la_date)
 158                         $data['date'] = $la_date;
 159
 160                 // Honorer le <lastbuilddate> en forcant la date
 161                 if (preg_match(',<(lastbuilddate|updated|modified)>([^<>]+)</\1>,i',
 162                 $item, $regs)
 163                 AND $lastbuilddate = my_strtotime(trim($regs[2]), $langue_du_site)
 164                 // pas dans le futur
 165                 AND $lastbuilddate < time())
 166                         $data['lastbuilddate'] = $lastbuilddate;
 167
 168                 // Auteur(s)
 169                 if (preg_match_all(
 170                 ',<(author|creator)\b[^>]*>(.*)</\1>,Uims',
 171                 $item, $regs, PREG_SET_ORDER)) {
 172                         $auteurs = array();
 173                         foreach ($regs as $reg) {
 174                                 $nom = $reg[2];
 175                                 if (preg_match(',<name\b[^>]*>(.*)</name>,Uims', $nom, $reg))
 176                                         $nom = $reg[1];
 177                                 // Cas particulier d'un auteur Flickr
 178                                 if (preg_match(',nobody@flickr.com \((.*)\),Uims', $nom, $reg))
 179                                         $nom = $reg[1];
 180                                 $auteurs[] = trim(textebrut(filtrer_entites($nom)));
 181                         }
 182                         $data['lesauteurs'] = join(', ', array_unique($auteurs));
 183                 }
 184                 else
 185                         $data['lesauteurs'] = $les_auteurs_du_site;
 186
 187                 // Description
 188                 if (preg_match(',<(description|summary)\b.*'
 189                 .'>(.*)</\1\b,Uims',$item,$match)) {
 190                         $data['descriptif'] = trim($match[2]);
 191                 }
 192                 if (preg_match(',<(content)\b.*'
 193                 .'>(.*)</\1\b,Uims',$item,$match)) {
 194                         $data['content'] = trim($match[2]);
 195                 }
 196
 197                 // lang
 198                 if (preg_match(',<([^>]*xml:)?lang(uage)?'.'>([^<>]+)<,i',
 199                         $item, $match))
 200                         $data['lang'] = trim($match[3]);
 201                 else if ($lang = trim(extraire_attribut($item, 'xml:lang')))
 202                         $data['lang'] = $lang;
 203                 else
 204                         $data['lang'] = trim($langue_du_site);
 205
 206                 // source et url_source  (pas trouve d'exemple en ligne !!)
 207                 # <source url="http://www.truc.net/music/uatsap.mp3" length="19917" />
 208                 # <source url="http://www.truc.net/rss">Site source</source>
 209                 if (preg_match(',(<source[^>]*>)(([^<>]+)</source>)?,i',
 210                 $item, $match)) {
 211                         $data['source'] = trim($match[3]);
 212                         $data['url_source'] = str_replace('&amp;', '&',
 213                                 trim(extraire_attribut($match[1], 'url')));
 214                 }
 215
 216                 // tags
 217                 # a partir de "<dc:subject>", (del.icio.us)
 218                 # ou <media:category> (flickr)
 219                 # ou <itunes:category> (apple)
 220                 # on cree nos tags microformat <a rel="directory" href="url">titre</a>
 221                 # http://microformats.org/wiki/rel-directory-fr
 222                 $tags = array();
 223                 if (preg_match_all(
 224                 ',<(([a-z]+:)?(subject|category|directory|keywords?|tags?|type))[^>]*>'
 225                 .'(.*?)</\1>,ims',
 226                 $item, $matches, PREG_SET_ORDER))
 227                         $tags = ajouter_tags($matches, $item); # array()
 228                 elseif (preg_match_all(
 229                 ',<(([a-z]+:)?(subject|category|directory|keywords?|tags?|type))[^>]*/>'
 230                 .',ims',
 231                 $item, $matches, PREG_SET_ORDER))
 232                         $tags = ajouter_tags($matches, $item); # array()
 233                 // Pieces jointes :
 234                 // chercher <enclosure> au format RSS et les passer en microformat
 235                 // ou des microformats relEnclosure,
 236                 // ou encore les media:content
 237                 if (!afficher_enclosures(join(', ', $tags))) {
 238                         // on prend toutes les pièces jointes possibles, et on essaie de les rendre uniques.
 239                         $enclosures = array();
 240                         # rss 2
 241                         if (preg_match_all(',<enclosure[[:space:]][^<>]+>,i',
 242                                 $item, $matches, PREG_PATTERN_ORDER)) {
 243                                         $enclosures += array_map('enclosure2microformat', $matches[0]);
 244                         }
 245                         # atom
 246                         if (preg_match_all(',<link\b[^<>]+rel=["\']?enclosure["\']?[^<>]+>,i',
 247                                 $item, $matches, PREG_PATTERN_ORDER)) {
 248                                         $enclosures += array_map('enclosure2microformat', $matches[0]);
 249                         }
 250                         # media rss
 251                         if (preg_match_all(',<media:content\b[^<>]+>,i',
 252                                 $item, $matches, PREG_PATTERN_ORDER)) {
 253                                         $enclosures += array_map('enclosure2microformat', $matches[0]);
 254                         }
 255                         $data['enclosures'] = join(', ', array_unique($enclosures));
 256                         unset($enclosures);
 257                 }
 258                 $data['item'] = $item;
 259
 260                 // Nettoyer les donnees et remettre les CDATA en place
 261                 cdata_echappe_retour($data, $echappe_cdata);
 262                 cdata_echappe_retour($tags, $echappe_cdata);
 263
 264                 // passer l'url en absolue
 265                 $data['url'] = url_absolue(filtrer_entites($data['url']), $url_syndic);
 266
 267                 // si on demande un dereferencement de l'URL, il faut verifier que ce n'est pas une redirection
 268                 if (_SYNDICATION_DEREFERENCER_URL){
 269                         $target = $data['url'];
 270                         include_spip("inc/distant");
 271                         for ($i = 0; $i<10; $i++){
 272                                 // on fait un GET et pas un HEAD car les vieux SPIP ne repondent pas la redirection avec un HEAD (honte) sur un article virtuel
 273                                 $res = recuperer_lapage($target, false, "GET", 4096);
 274                                 if (!$res) break; // c'est pas bon signe car on a pas trouve l'URL...
 275                                 if (is_array($res))     break; // on a trouve la page, donc on a l'URL finale
 276                                 $target = $res; // c'est une redirection, on la suit pour voir ou elle mene
 277                         }
 278                         // ici $target est l'URL finale de la page
 279                         $data['url'] = $target;
 280                 }
 281
 282                 // Trouver les microformats (ecrase les <category> et <dc:subject>)
 283                 if (preg_match_all(
 284                 ',<a[[:space:]]([^>]+[[:space:]])?rel=[^>]+>.*</a>,Uims',
 285                 $data['item'], $regs, PREG_PATTERN_ORDER)) {
 286                         $tags = $regs[0];
 287                 }
 288                 // Cas particulier : tags Connotea sous la forme <a class="postedtag">
 289                 if (preg_match_all(
 290                 ',<a[[:space:]][^>]+ class="postedtag"[^>]*>.*</a>,Uims',
 291                 $data['item'], $regs, PREG_PATTERN_ORDER))
 292                         $tags = preg_replace(', class="postedtag",i',
 293                         ' rel="tag"', $regs[0]);
 294
 295                 $data['tags'] = $tags;
 296                 // enlever le html des titre pour etre homogene avec les autres objets spip
 297                 $data['titre'] = textebrut($data['titre']);
 298
 299                 $articles[] = $data;
 300         }
 301
 302         return $articles;
 303 }
 304
 305
 306 // helas strtotime ne reconnait pas le format W3C
 307 // http://www.w3.org/TR/NOTE-datetime
 308 // http://code.spip.net/@my_strtotime
 309 function my_strtotime($la_date, $lang=null) {
 310         // format complet
 311         if (preg_match(
 312         ',^(\d+-\d+-\d+[T ]\d+:\d+(:\d+)?)(\.\d+)?'
 313         .'(Z|([-+]\d{2}):\d+)?$,',
 314         $la_date, $match)) {
 315                 $la_date = str_replace("T", " ", $match[1])." GMT";
 316                 return strtotime($la_date) - intval($match[5]) * 3600;
 317         }
 318
 319         // YYYY
 320         if (preg_match(',^\d{4}$,', $la_date, $match))
 321                 return strtotime($match[0]."-01-01");
 322
 323         // YYYY-MM
 324         if (preg_match(',^\d{4}-\d{2}$,', $la_date, $match))
 325                 return strtotime($match[0]."-01");
 326
 327         // YYYY-MM-DD hh:mm:ss
 328         if (preg_match(',^\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2}:\d{2}\b,', $la_date, $match))
 329                 return strtotime($match[0]);
 330
 331         // utiliser strtotime en dernier ressort
 332         // en nettoyant le jour qui prefixe parfois la date, suivi d'une virgule
 333         // et les UT qui sont en fait des UTC
 334         $la_date_c = preg_replace("/^\w+,\s*/ms","",$la_date);
 335         $la_date_c = preg_replace("/UT\s*$/ms","UTC",$la_date_c);
 336         if ($s=strtotime($la_date)
 337           OR $s=strtotime($la_date_c))
 338                 return $s;
 339
 340         // essayons de voir si le nom du mois est dans la langue du flux et remplacons le
 341         // par la version anglaise avant de faire strtotime
 342         if ($lang){
 343                 // "fr-fr"
 344                 list($lang) = explode("-", $lang);
 345                 static $months = null;
 346                 if (!isset($months[$lang])){
 347                         $prev_lang = $GLOBALS['spip_lang'];
 348                         changer_langue($lang);
 349                         foreach(range(1,12) as $m){
 350                                 $s = _T("date_mois_$m");
 351                                 $months[$lang][$s] = date("M",strtotime("2013-$m-01"));
 352                                 $s = _T("date_mois_".$m."_abbr");
 353                                 $months[$lang][$s] = date("M",strtotime("2013-$m-01"));
 354                                 $months[$lang][trim($s,".")] = date("M",strtotime("2013-$m-01"));
 355                         }
 356                         changer_langue($prev_lang);
 357                 }
 358                 spip_log($la_date_c,"dbgs");
 359                 foreach($months[$lang] as $loc=>$en){
 360                         if (stripos($la_date_c,$loc)!==false){
 361                                 $s=str_ireplace($loc,$en,$la_date_c);
 362                                 if ($s=strtotime($s))
 363                                         return $s;
 364                         }
 365                 }
 366         }
 367
 368         // erreur
 369         spip_log("Impossible de lire le format de date '$la_date'");
 370         return false;
 371 }
 372 // A partir d'un <dc:subject> ou autre essayer de recuperer
 373 // le mot et son url ; on cree <a href="url" rel="tag">mot</a>
 374 // http://code.spip.net/@creer_tag
 375 function creer_tag($mot,$type,$url) {
 376         if (!strlen($mot = trim($mot))) return '';
 377         $mot = "<a rel=\"tag\">$mot</a>";
 378         if ($url)
 379                 $mot = inserer_attribut($mot, 'href', $url);
 380         if ($type)
 381                 $mot = inserer_attribut($mot, 'rel', $type);
 382         return $mot;
 383 }
 384
 385
 386 // http://code.spip.net/@ajouter_tags
 387 function ajouter_tags($matches, $item) {
 388         include_spip('inc/filtres');
 389         $tags = array();
 390         foreach ($matches as $match) {
 391                 $type = ($match[3] == 'category' OR $match[3] == 'directory')
 392                         ? 'directory':'tag';
 393                 $mot = supprimer_tags($match[0]);
 394                 if (!strlen($mot)
 395                 AND !strlen($mot = extraire_attribut($match[0], 'label')))
 396                         break;
 397                 // rechercher un url
 398                 if ($url = extraire_attribut($match[0], 'domain')) {
 399                         // category@domain est la racine d'une url qui se prolonge
 400                         // avec le contenu text du tag <category> ; mais dans SPIP < 2.0
 401                         // on donnait category@domain = #URL_RUBRIQUE, et
 402                         // text = #TITRE_RUBRIQUE ; d'ou l'heuristique suivante sur le slash
 403                         if (substr($url, -1) == '/')
 404                                 $url .= rawurlencode($mot);
 405                 }
 406                 else if ($url = extraire_attribut($match[0], 'resource')
 407                 OR $url = extraire_attribut($match[0], 'url')
 408                 )
 409                         {}
 410
 411                 ## cas particuliers
 412                 else if (extraire_attribut($match[0], 'scheme') == 'urn:flickr:tags') {
 413                         foreach(explode(' ', $mot) as $petit)
 414                                 if ($t = creer_tag($petit, $type,
 415                                 'http://www.flickr.com/photos/tags/'.rawurlencode($petit).'/'))
 416                                         $tags[] = $t;
 417                         $mot = '';
 418                 }
 419                 else if (
 420                         // cas atom1, a faire apres flickr
 421                         $term = extraire_attribut($match[0], 'term')
 422                 ) {
 423                         if ($scheme = extraire_attribut($match[0], 'scheme'))
 424                                 $url = suivre_lien($scheme,$term);
 425                         else
 426                                 $url = $term;
 427                 }
 428                 else {
 429                         # type delicious.com
 430                         foreach(explode(' ', $mot) as $petit)
 431                                 if (preg_match(',<rdf\b[^>]*\bresource=["\']([^>]*/'
 432                                 .preg_quote(rawurlencode($petit),',').')["\'],i',
 433                                 $item, $m)) {
 434                                         $mot = '';
 435                                         if ($t = creer_tag($petit, $type, $m[1]))
 436                                                 $tags[] = $t;
 437                                 }
 438                 }
 439
 440                 if ($t = creer_tag($mot, $type, $url))
 441                         $tags[] = $t;
 442         }
 443         return $tags;
 444 }
 445
 446
 447 // Lit contenu des blocs [[CDATA]] dans un flux
 448 // http://code.spip.net/@cdata_echappe_retour
 449 function cdata_echappe(&$rss, &$echappe_cdata) {
 450         $echappe_cdata = array();
 451         if (preg_match_all(',<!\[CDATA\[(.*)]]>,Uims', $rss,
 452         $regs, PREG_SET_ORDER)) {
 453                 foreach ($regs as $n => $reg) {
 454                         if (preg_match(',[<>],', $reg[1])) {
 455                                 $echappe_cdata[$n] = $reg[1];
 456                                 $rss = str_replace($reg[0], "@@@SPIP_CDATA$n@@@", $rss);
 457                         } else
 458                                 $rss = str_replace($reg[0], $reg[1], $rss);
 459                 }
 460         }
 461 }
 462
 463 // Retablit le contenu des blocs [[CDATA]] dans une chaine ou un tableau
 464 // http://code.spip.net/@cdata_echappe_retour
 465 function cdata_echappe_retour(&$x, &$echappe_cdata) {
 466         if (is_string($x)) {
 467                 if (strpos($x, '@@@SPIP_CDATA') !== false
 468                 OR strpos($x, '&lt;') !== false) {
 469                         $x = filtrer_entites($x);
 470                         foreach ($echappe_cdata as $n => $e)
 471                                 $x = str_replace("@@@SPIP_CDATA$n@@@", $e, $x);
 472                 }
 473         }
 474
 475         else if (is_array($x)) {
 476                 foreach($x as $k => &$v)
 477                         cdata_echappe_retour($v, $echappe_cdata);
 478         }
 479 }
 480 ?>