source: spip-zone/_core_/plugins/sites/inc/syndic.php @ 92522

Last change on this file since 92522 was 92522, checked in by brunobergot@…, 6 years ago

Éviter une erreur PHP Strict Standards: Only variables should be passed by reference (Eric Camus)

Ref https://core.spip.net/issues/3373

File size: 15.7 KB
Line 
1<?php
2
3/***************************************************************************\
4 *  SPIP, Systeme de publication pour l'internet                           *
5 *                                                                         *
6 *  Copyright (c) 2001-2014                                                *
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/**
14 * Gestion de syndication (RSS,...)
15 *
16 * @package SPIP\Sites\Syndication
17**/
18
19if (!defined("_ECRIRE_INC_VERSION")) return;
20
21// ATTENTION
22// Cette inclusion charge executer_une_syndication pour compatibilite,
23// mais cette fonction ne doit plus etre invoquee directement:
24// il faut passer par cron() pour avoir un verrou portable
25// Voir un exemple dans action/editer/site
26include_spip('genie/syndic');
27
28
29/**
30 * Analyse un texte de backend
31 *
32 * @param string $rss
33 *     Texte du fichier de backend
34 * @param string $url_syndic
35 *     URL du site d'où à été extrait le texte
36 * @return array|string
37 *     - array : tableau des items lus,
38 *     - string : texte d'erreur
39**/
40function analyser_backend($rss, $url_syndic='') {
41        include_spip('inc/texte'); # pour couper()
42
43        $rss = pipeline('pre_syndication', $rss);
44
45        if (!defined('_SYNDICATION_DEREFERENCER_URL')) {
46                /** si true, les URLs de type feedburner sont déréférencées */
47                define('_SYNDICATION_DEREFERENCER_URL', false);
48        }
49
50        // Echapper les CDATA
51        cdata_echappe($rss, $echappe_cdata);
52
53        // supprimer les commentaires
54        $rss = preg_replace(',<!--.*-->,Ums', '', $rss);
55
56        // simplifier le backend, en supprimant les espaces de nommage type "dc:"
57        $rss = preg_replace(',<(/?)(dc):,i', '<\1', $rss);
58
59        // chercher auteur/lang dans le fil au cas ou les items n'en auraient pas
60        list($header) = preg_split(',<(item|entry)\b,', $rss, 2);
61        if (preg_match_all(
62        ',<(author|creator)\b(.*)</\1>,Uims',
63        $header, $regs, PREG_SET_ORDER)) {
64                $les_auteurs_du_site = array();
65                foreach ($regs as $reg) {
66                        $nom = $reg[2];
67                        if (preg_match(',<name>(.*)</name>,Uims', $nom, $reg))
68                                $nom = $reg[1];
69                        $les_auteurs_du_site[] = trim(textebrut(filtrer_entites($nom)));
70                }
71                $les_auteurs_du_site = join(', ', array_unique($les_auteurs_du_site));
72        } else {
73                $les_auteurs_du_site = '';
74        }
75
76        $langue_du_site = '';
77
78        if ((preg_match(',<([^>]*xml:)?lang(uage)?'.'>([^<>]+)<,i',
79        $header, $match) AND $l = $match[3])
80        OR ($l = extraire_attribut(extraire_balise($header, 'feed'), 'xml:lang'))
81        ) {
82                $langue_du_site = $l;
83        }
84        // atom
85        elseif (preg_match(',<feed\s[^>]*xml:lang=[\'"]([^<>\'"]+)[\'"],i', $header, $match)) {
86                $langue_du_site = $match[1];
87        }
88
89        // Recuperer les blocs item et entry
90        $items = array_merge(extraire_balises($rss, 'item'), extraire_balises($rss, 'entry'));
91
92
93        //
94        // Analyser chaque <item>...</item> du backend et le transformer en tableau
95        //
96
97        if (!count($items)) return _T('sites:avis_echec_syndication_01');
98
99        foreach ($items as $item) {
100                $data = array();
101
102                // URL (semi-obligatoire, sert de cle)
103
104                // guid n'est un URL que si marque de <guid ispermalink="true"> ;
105                // attention la valeur par defaut est 'true' ce qui oblige a quelque
106                // gymnastique
107                if (preg_match(',<guid.*>[[:space:]]*(https?:[^<]*)</guid>,Uims',
108                $item, $regs) AND preg_match(',^(true|1)?$,i',
109                extraire_attribut($regs[0], 'ispermalink')))
110                        $data['url'] = $regs[1];
111                // contourner les redirections feedburner
112                else if (_SYNDICATION_DEREFERENCER_URL
113                AND preg_match(',<feedburner:origLink>(.*)<,Uims',
114                $item, $regs))
115                        $data['url'] = $regs[1];
116                // <link>, plus classique
117                else if (preg_match(
118                ',<link[^>]*[[:space:]]rel=["\']?alternate[^>]*>(.*)</link>,Uims',
119                $item, $regs))
120                        $data['url'] = $regs[1];
121                else if (preg_match(',<link[^>]*[[:space:]]rel=.alternate[^>]*>,Uims',
122                $item, $regs))
123                        $data['url'] = extraire_attribut($regs[0], 'href');
124                else if (preg_match(',<link[^>]*>\s*([^\s]+)\s*</link>,Uims', $item, $regs))
125                        $data['url'] = $regs[1];
126                else if (preg_match(',<link[^>]*>,Uims', $item, $regs))
127                        $data['url'] = extraire_attribut($regs[0], 'href');
128
129                // Aucun link ni guid, mais une enclosure
130                else if (preg_match(',<enclosure[^>]*>,ims', $item, $regs)
131                AND $url = extraire_attribut($regs[0], 'url'))
132                        $data['url'] = $url;
133
134                // pas d'url, c'est genre un compteur...
135                else
136                        $data['url'] = '';
137
138                // Titre (semi-obligatoire)
139                if (preg_match(",<title[^>]*>(.*?)</title>,ims",$item,$match))
140                        $data['titre'] = $match[1];
141                else if (preg_match(',<link[[:space:]][^>]*>,Uims',$item,$mat)
142                AND $title = extraire_attribut($mat[0], 'title'))
143                        $data['titre'] = $title; 
144                if (!strlen($data['titre'] = trim($data['titre'])))
145                        $data['titre'] = _T('ecrire:info_sans_titre');
146
147                // Date
148                $la_date = '';
149                if (preg_match(',<(published|modified|issued)>([^<]*)<,Uims',
150                $item,$match)) {
151                        cdata_echappe_retour($match[2], $echappe_cdata);
152                        $la_date = my_strtotime($match[2], $langue_du_site);
153                }
154                if (!$la_date AND
155                preg_match(',<(pubdate)>([^<]*)<,Uims',$item, $match)) {
156                        cdata_echappe_retour($match[2], $echappe_cdata);
157                        $la_date = my_strtotime($match[2], $langue_du_site);
158                }
159                if (!$la_date AND
160                preg_match(',<([a-z]+:date)>([^<]*)<,Uims',$item,$match)) {
161                        cdata_echappe_retour($match[2], $echappe_cdata);
162                        $la_date = my_strtotime($match[2], $langue_du_site);
163                }
164                if (!$la_date AND
165                preg_match(',<date>([^<]*)<,Uims',$item,$match)) {
166                        cdata_echappe_retour($match[1], $echappe_cdata);
167                        $la_date = my_strtotime($match[1], $langue_du_site);
168                }
169
170                // controle de validite de la date
171                // pour eviter qu'un backend errone passe toujours devant
172                // (note: ca pourrait etre defini site par site, mais ca risque d'etre
173                // plus lourd que vraiment utile)
174                if ($GLOBALS['controler_dates_rss']) {
175                        if (!$la_date
176                                OR $la_date > time() + 48 * 3600)
177                                $la_date = time();
178                }
179
180                if ($la_date)
181                        $data['date'] = $la_date;
182
183                // Honorer le <lastbuilddate> en forcant la date
184                if (preg_match(',<(lastbuilddate|updated|modified)>([^<>]+)</\1>,i',
185                $item, $regs)
186                AND $lastbuilddate = my_strtotime(trim($regs[2]), $langue_du_site)
187                // pas dans le futur
188                AND $lastbuilddate < time())
189                        $data['lastbuilddate'] = $lastbuilddate;
190
191                // Auteur(s)
192                if (preg_match_all(
193                ',<(author|creator)\b[^>]*>(.*)</\1>,Uims',
194                $item, $regs, PREG_SET_ORDER)) {
195                        $auteurs = array();
196                        foreach ($regs as $reg) {
197                                $nom = $reg[2];
198                                if (preg_match(',<name\b[^>]*>(.*)</name>,Uims', $nom, $reg))
199                                        $nom = $reg[1];
200                                // Cas particulier d'un auteur Flickr
201                                if (preg_match(',nobody@flickr.com \((.*)\),Uims', $nom, $reg))
202                                        $nom = $reg[1];
203                                $auteurs[] = trim(textebrut(filtrer_entites($nom)));
204                        }
205                        $data['lesauteurs'] = join(', ', array_unique($auteurs));
206                }
207                else
208                        $data['lesauteurs'] = $les_auteurs_du_site;
209
210                // Description
211                if (preg_match(',<(description|summary)\b.*'
212                .'>(.*)</\1\b,Uims',$item,$match)) {
213                        $data['descriptif'] = trim($match[2]);
214                }
215                if (preg_match(',<(content)\b.*'
216                .'>(.*)</\1\b,Uims',$item,$match)) {
217                        $data['content'] = trim($match[2]);
218                }
219
220                // lang
221                if (preg_match(',<([^>]*xml:)?lang(uage)?'.'>([^<>]+)<,i',
222                        $item, $match))
223                        $data['lang'] = trim($match[3]);
224                else if ($lang = trim(extraire_attribut($item, 'xml:lang')))
225                        $data['lang'] = $lang;
226                else
227                        $data['lang'] = trim($langue_du_site);
228
229                // source et url_source  (pas trouve d'exemple en ligne !!)
230                # <source url="http://www.truc.net/music/uatsap.mp3" length="19917" />
231                # <source url="http://www.truc.net/rss">Site source</source>
232                if (preg_match(',(<source[^>]*>)(([^<>]+)</source>)?,i',
233                $item, $match)) {
234                        $data['source'] = trim($match[3]);
235                        $data['url_source'] = str_replace('&amp;', '&',
236                                trim(extraire_attribut($match[1], 'url')));
237                }
238
239                // tags
240                # a partir de "<dc:subject>", (del.icio.us)
241                # ou <media:category> (flickr)
242                # ou <itunes:category> (apple)
243                # on cree nos tags microformat <a rel="directory" href="url">titre</a>
244                # http://microformats.org/wiki/rel-directory-fr
245                $tags = array();
246                if (preg_match_all(
247                ',<(([a-z]+:)?(subject|category|directory|keywords?|tags?|type))[^>]*>'
248                .'(.*?)</\1>,ims',
249                $item, $matches, PREG_SET_ORDER))
250                        $tags = ajouter_tags($matches, $item); # array()
251                elseif (preg_match_all(
252                ',<(([a-z]+:)?(subject|category|directory|keywords?|tags?|type))[^>]*/>'
253                .',ims',
254                $item, $matches, PREG_SET_ORDER))
255                        $tags = ajouter_tags($matches, $item); # array()
256                // Pieces jointes :
257                // chercher <enclosure> au format RSS et les passer en microformat
258                // ou des microformats relEnclosure,
259                // ou encore les media:content
260                if (!afficher_enclosures(join(', ', $tags))) {
261                        // on prend toutes les pièces jointes possibles, et on essaie de les rendre uniques.
262                        $enclosures = array();
263                        # rss 2
264                        if (preg_match_all(',<enclosure[[:space:]][^<>]+>,i',
265                                $item, $matches, PREG_PATTERN_ORDER)) {
266                                        $enclosures += array_map('enclosure2microformat', $matches[0]);
267                        }
268                        # atom
269                        if (preg_match_all(',<link\b[^<>]+rel=["\']?enclosure["\']?[^<>]+>,i', 
270                                $item, $matches, PREG_PATTERN_ORDER)) {
271                                        $enclosures += array_map('enclosure2microformat', $matches[0]);
272                        }
273                        # media rss
274                        if (preg_match_all(',<media:content\b[^<>]+>,i', 
275                                $item, $matches, PREG_PATTERN_ORDER)) {
276                                        $enclosures += array_map('enclosure2microformat', $matches[0]);
277                        }
278                        $data['enclosures'] = join(', ', array_unique($enclosures));
279                        unset($enclosures);
280                }
281                $data['item'] = $item;
282
283                // Nettoyer les donnees et remettre les CDATA en place
284                cdata_echappe_retour($data, $echappe_cdata);
285                cdata_echappe_retour($tags, $echappe_cdata);
286
287                // passer l'url en absolue
288                $data['url'] = url_absolue(filtrer_entites($data['url']), $url_syndic);
289
290                // Trouver les microformats (ecrase les <category> et <dc:subject>)
291                if (preg_match_all(
292                ',<a[[:space:]]([^>]+[[:space:]])?rel=[^>]+>.*</a>,Uims',
293                $data['item'], $regs, PREG_PATTERN_ORDER)) {
294                        $tags = $regs[0];
295                }
296                // Cas particulier : tags Connotea sous la forme <a class="postedtag">
297                if (preg_match_all(
298                ',<a[[:space:]][^>]+ class="postedtag"[^>]*>.*</a>,Uims',
299                $data['item'], $regs, PREG_PATTERN_ORDER))
300                        $tags = preg_replace(', class="postedtag",i',
301                        ' rel="tag"', $regs[0]);
302
303                $data['tags'] = $tags;
304                // enlever le html des titre pour etre homogene avec les autres objets spip
305                $data['titre'] = textebrut($data['titre']);
306
307                $articles[] = $data;
308        }
309
310        return $articles;
311}
312
313
314/**
315 * Strtotime même avec le format W3C !
316 *
317 * Car hélàs, strtotime ne le reconnait pas tout seul !
318 * @link http://www.w3.org/TR/NOTE-datetime Format datetime du W3C
319 *
320 * @param string $la_date
321 *     Date à parser
322 * @return int
323 *     Timestamp
324**/
325function my_strtotime($la_date, $lang=null) {
326        // format complet
327        if (preg_match(
328        ',^(\d+-\d+-\d+[T ]\d+:\d+(:\d+)?)(\.\d+)?'
329        .'(Z|([-+]\d{2}):\d+)?$,',
330        $la_date, $match)) {
331                $match = array_pad($match, 6, null);
332                $la_date = str_replace("T", " ", $match[1])." GMT";
333                return strtotime($la_date) - intval($match[5]) * 3600;
334        }
335
336        // YYYY
337        if (preg_match(',^\d{4}$,', $la_date, $match))
338                return strtotime($match[0]."-01-01");
339
340        // YYYY-MM
341        if (preg_match(',^\d{4}-\d{2}$,', $la_date, $match))
342                return strtotime($match[0]."-01");
343
344        // YYYY-MM-DD hh:mm:ss
345        if (preg_match(',^\d{4}-\d{2}-\d{2}\s+\d{2}:\d{2}:\d{2}\b,', $la_date, $match))
346                return strtotime($match[0]);
347
348        // utiliser strtotime en dernier ressort
349        // en nettoyant le jour qui prefixe parfois la date, suivi d'une virgule
350        // et les UT qui sont en fait des UTC
351        $la_date_c = preg_replace("/^\w+,\s*/ms","",$la_date);
352        $la_date_c = preg_replace("/UT\s*$/ms","UTC",$la_date_c);
353        if ($s=strtotime($la_date)
354          OR $s=strtotime($la_date_c))
355                return $s;
356
357        // essayons de voir si le nom du mois est dans la langue du flux et remplacons le
358        // par la version anglaise avant de faire strtotime
359        if ($lang){
360                // "fr-fr"
361                list($lang) = explode("-", $lang);
362                static $months = null;
363                if (!isset($months[$lang])){
364                        $prev_lang = $GLOBALS['spip_lang'];
365                        changer_langue($lang);
366                        foreach(range(1,12) as $m){
367                                $s = _T("date_mois_$m");
368                                $months[$lang][$s] = date("M",strtotime("2013-$m-01"));
369                                $s = _T("date_mois_".$m."_abbr");
370                                $months[$lang][$s] = date("M",strtotime("2013-$m-01"));
371                                $months[$lang][trim($s,".")] = date("M",strtotime("2013-$m-01"));
372                        }
373                        changer_langue($prev_lang);
374                }
375                spip_log($la_date_c,"dbgs");
376                foreach($months[$lang] as $loc=>$en){
377                        if (stripos($la_date_c,$loc)!==false){
378                                $s=str_ireplace($loc,$en,$la_date_c);
379                                if ($s=strtotime($s))
380                                        return $s;
381                        }
382                }
383        }
384
385        // erreur
386        spip_log("Impossible de lire le format de date '$la_date'");
387        return false;
388}
389
390// A partir d'un <dc:subject> ou autre essayer de recuperer
391// le mot et son url ; on cree <a href="url" rel="tag">mot</a>
392// http://code.spip.net/@creer_tag
393function creer_tag($mot,$type,$url) {
394        if (!strlen($mot = trim($mot))) return '';
395        $mot = "<a rel=\"tag\">$mot</a>";
396        if ($url)
397                $mot = inserer_attribut($mot, 'href', $url);
398        if ($type)
399                $mot = inserer_attribut($mot, 'rel', $type);
400        return $mot;
401}
402
403
404// http://code.spip.net/@ajouter_tags
405function ajouter_tags($matches, $item) {
406        include_spip('inc/filtres');
407        $tags = array();
408        foreach ($matches as $match) {
409                $type = ($match[3] == 'category' OR $match[3] == 'directory')
410                        ? 'directory':'tag';
411                $mot = supprimer_tags($match[0]);
412                if (!strlen($mot)
413                AND !strlen($mot = extraire_attribut($match[0], 'label')))
414                        break;
415                // rechercher un url
416                if ($url = extraire_attribut($match[0], 'domain')) {
417                        // category@domain est la racine d'une url qui se prolonge
418                        // avec le contenu text du tag <category> ; mais dans SPIP < 2.0
419                        // on donnait category@domain = #URL_RUBRIQUE, et
420                        // text = #TITRE_RUBRIQUE ; d'ou l'heuristique suivante sur le slash
421                        if (substr($url, -1) == '/')
422                                $url .= rawurlencode($mot);
423                }
424                else if ($url = extraire_attribut($match[0], 'resource')
425                OR $url = extraire_attribut($match[0], 'url')
426                )
427                        {}
428
429                ## cas particuliers
430                else if (extraire_attribut($match[0], 'scheme') == 'urn:flickr:tags') {
431                        foreach(explode(' ', $mot) as $petit)
432                                if ($t = creer_tag($petit, $type,
433                                'http://www.flickr.com/photos/tags/'.rawurlencode($petit).'/'))
434                                        $tags[] = $t;
435                        $mot = '';
436                }
437                else if (
438                        // cas atom1, a faire apres flickr
439                        $term = extraire_attribut($match[0], 'term')
440                ) {
441                        if ($scheme = extraire_attribut($match[0], 'scheme'))
442                                $url = suivre_lien($scheme,$term);
443                        else
444                                $url = $term;
445                }
446                else {
447                        # type delicious.com
448                        foreach(explode(' ', $mot) as $petit)
449                                if (preg_match(',<rdf\b[^>]*\bresource=["\']([^>]*/'
450                                .preg_quote(rawurlencode($petit),',').')["\'],i',
451                                $item, $m)) {
452                                        $mot = '';
453                                        if ($t = creer_tag($petit, $type, $m[1]))
454                                                $tags[] = $t;
455                                }
456                }
457
458                if ($t = creer_tag($mot, $type, $url))
459                        $tags[] = $t;
460        }
461        return $tags;
462}
463
464
465// Lit contenu des blocs [[CDATA]] dans un flux
466// http://code.spip.net/@cdata_echappe_retour
467function cdata_echappe(&$rss, &$echappe_cdata) {
468        $echappe_cdata = array();
469        if (preg_match_all(',<!\[CDATA\[(.*)]]>,Uims', $rss,
470        $regs, PREG_SET_ORDER)) {
471                foreach ($regs as $n => $reg) {
472                        if (preg_match(',[<>],', $reg[1])) {
473                                $echappe_cdata[$n] = $reg[1];
474                                $rss = str_replace($reg[0], "@@@SPIP_CDATA$n@@@", $rss);
475                        } else
476                                $rss = str_replace($reg[0], $reg[1], $rss);
477                }
478        }
479}
480
481// Retablit le contenu des blocs [[CDATA]] dans une chaine ou un tableau
482// http://code.spip.net/@cdata_echappe_retour
483function cdata_echappe_retour(&$x, &$echappe_cdata) {
484        if (is_string($x)) {
485                if (strpos($x, '@@@SPIP_CDATA') !== false
486                OR strpos($x, '&lt;') !== false) {
487                        $x = filtrer_entites($x);
488                        foreach ($echappe_cdata as $n => $e)
489                                $x = str_replace("@@@SPIP_CDATA$n@@@", $e, $x);
490                }
491        }
492
493        else if (is_array($x)) {
494                foreach($x as $k => &$v)
495                        cdata_echappe_retour($v, $echappe_cdata);
496        }
497}
498?>
Note: See TracBrowser for help on using the repository browser.