Форум PHP

В продолжение темы http://softtime.ru/forum/read.php?id_forum=1&id_theme=32573&page=1
Хотел сделать ф-цию, которая разбирает все спортивные RSS-потоки (например адрес RSS передается в параметре ф-ции), но вот обе ф-ции, представленные в той теме, например

<?php $content = file_get_contents("http://news.yandex.ru/Russia/computers.rss"); preg_match_all("!<item>\s*<title>(.+)</title>\s*".                "<link>(.+)</link>\s*".                "<description>(.+)</description>\s*".                "<pubDate>(.+)</pubDate>.+</item>!isU", $content, $m); for ( $i = 0; $i < count($m[0]); $i++ ) {   print '<h3><a href="'.$m[2][$i].'">'.$m[1][$i]."</a></h3>\n".         "<p>".htmlspecialchars_decode($m[3][$i]).         "</br>\n".$m[4][$i]."</p></br>\n\n"; }  ?>

не работают если дата и описание новости меняются местами итд. А именно:
1) поток яндекса
<item>
<title>Сборная России по футболу оказалась под арестом</title>
<link>http://news.yandex.ru/yandsearch?cl4url=www.utro.ru/news/2007/03/23/635194.shtml&amp;country=Russia</link>

<description>Сборная России в преддверие матча против команды Эстонии оказалась под арестом.&lt;br&gt;Однако, несмотря на это, Кержаков, Сычев, Малафеев и молодой Савин все равно ушли на прогулку по городу.&lt;br&gt;</description>
<pubDate>Fri, 23 Mar 2007 09:47:58 +0300</pubDate>
<guid>http://news.yandex.ru/yandsearch?cl4url=www.utro.ru/news/2007/03/23/635194.shtml&amp;country=Russia</guid>
</item>

2) поток sportsdaily

<item>
<title>Оба Гуса решают кадровые проблемы</title>
<pubDate>Fri, 23 Mar 2007 17:58:55 GMT</pubDate>
<description>Сборная Эстонии ни разу не пробивалась на крупные международные турниры. В рамках же отборочных турниров к чемпионату Европы она одержала лишь четыре победы в 21 матче. Но даже на этом безрадостном фоне очередная отборочная кампания выглядит удручающе: эстонская сборная под руководством голландского наставника Йелле Гуса в трех матчах не набрала ни одного очка, уступив Македонии, Израилю и России. При этом эстонцы не сумели забить ни одного мяча. После серии неудач пошли оживленные разговоры о том, что Гус может потерять свой пост. Тем не менее голландцу был дан еще один шанс выстроить новую команду с прицелом на будущее.</description>

<link>http://www.sportsdaily.ru/issue.aspx/390/9006</link>
<guid>http://www.sportsdaily.ru/issue.aspx/390/9006</guid>
<category>Статьи</category>
<author> Дмитрий Нечипоренко</author>
</item>


можно ли как-то сделать, чтоб разбор этих лент шел одинаково вне зависимости от того, в каком порядке следуют элементы?

вырезать текст и дату регулярными выражениями и все...

набор регулярных выражений (а не одно) для разный сайтов-источников для вырезки того или иного блока и потом вывод в своем формате.

ну к слову в первом посте разбор и идет регулярными...
не писать же к каждому сайту свое регулярное выражение... или все же придется?

на самом деле ничего нету проще...

даж простой пример (катаю навскидку - требуется правка)

$item = " Считанный блок всей новости"; $reg = array(); $reg[сайт 1] = array("ttl"=>"<title>...</title>", "desc"=>"....."); $reg[сайт 2] = array("ttl"=>"<title>...</title>", "desc"=>"....."); $reg[сайт 3] = array("ttl"=>"<title>...</title>", "desc"=>"....."); $itm = array(); foreach($reg[нужный сайт] as $key => $val) {  if(preg_match($val, $item, $tmp));   $itm[$key] = $tmp[...]; };

И независимо от сайта и способа его публикации в массиве $itm будет ЧЕТКО структурированный набор его элементов.

ЗЫ. Набор регулярных выражений можно вообще вынести в отдельный файл - тогда править их, если что, будет совсем просто - не придется трогать основной код воообще... поправил нужные строчки для нужного сайта и не морочишься =)

а индексами такого массива могут просто быть адреса или url-ы =))) типа
$arr["sport.yandex.ru"] = array(...)
$arr["sport.ru"] = array(...)

и т.д.

т.е. в любом случае адреса сайтов указываются изначально и для каждого надо писать свое регулярное выражение. так?

не обязательно =)
можно указать один из наборов как общий... и просто проверять типа

$tpls = $arr["общий набор шаблонов"]; if(isset($arr["сайт"]))  $tpls = $arr["сайт"];

и делее в цикле работать не с $arr[сайт] а с $tpls =)

А описывать доп шаблоны тока в случае расхождения с общим...

а в плане разделения регилярного выражения на неск блоков - оно того стоит - просто логику просще отлавливать и праить... Но в принципе можно создавать и целостное рег. выражения для сайта - типа как изначально в теме... просто для каждого сайта свое большое выражение + одно общее для всех остальных =) но я бы так делать не стал, т.к. более трудоемкая операция отладки при изменениях =)

не блин... в FireFox все RSS разбираются вне зависимости от того, в каком порядке следуют элементы...
как же это реализовано там?

не путай FF - браузер клиент (встроенный механизм разбора ЕСТЬ и как там реализовано - знают ток разработчики FF)... и СКРИПТ, который получает данные в том виде, котором есть и в котором нужно механим разбора РЕАЛИЗОВАТЬ!

да это-то все ясно... просто как-то глупо под каждую ленту новостей писать свой обработчик( ну или свое регулярное выражение

Так и не надо!
Напишите одно универсальное рег. выражение и все!

гы) так тема-то как раз об этом))
вот вы можете написать ТАКОЕ универсальное выражение?

Если разбирать RSS стандартными средствами анализа XML-документов (xml_parse_into_struct к примеру) таких проблем не возникает.

о... это интересно уже.. а по скорости как? будет уступать разбору регулярными или DOM'ом?
и не могли бы вы пример разбора написать?

<?php include('config.inc.php'); function get_url($url) {    $r = curl_init();    curl_setopt($r, CURLOPT_NOPROGRESS, 0);    curl_setopt($r, CURLOPT_RETURNTRANSFER, 1);    curl_setopt($r, CURLOPT_URL, $url);    $res = curl_exec($r);    return $res; }    $url = "http://news.yandex.ru/Russia/computers.rss";    $res = get_url($url); //   $f=fopen('computers.rss', 'wb');   fwrite($f, $res);  fclose($f);die("ready"); //   $res = file_get_contents("computers.rss");    //   $x = simplexml_load_string($res);      print_r($x);    function start_element($par, $name, $atr)    {        $tmp = array('data' => '', 'name' => $name, 'atr' => $atr);        global $heap; $l = ++$heap['level']; $lp = $l - 1;        $heap['stack'][$l] = $heap['ref'];        $heap['ref'] = array('data' => '');        if(!empty($atr)) $heap['ref']['atr'] = $atr;    }    function end_element($par, $name)    {        global $heap; $l = --$heap['level']; $ln = $l + 1;        $tmp = $heap['ref'];        $heap['ref'] = $heap['stack'][$ln];        unset($heap['stack'][$ln]);        $heap['ref']['sub'][$name][] =  $tmp;    }    function element_data($par, $data)    {        global $heap;        if('' != trim($data))            $heap['ref']['data'].=iconv("utf-8", "windows-1251", $data);    }    $p = xml_parser_create("");    $heap['level'] = 0;    $heap['ref'] = array();    xml_set_element_handler($p, 'start_element', 'end_element');    xml_set_character_data_handler($p, 'element_data');    xml_parse($p, $res);    echo '<pre>';    print_r($heap);

Вопрос в первую очередь к Trianon

Такая проблема вышла - нижнюю итоговую часть (начиная с xml_parser_create и заканчивая xml_parse) необходимо использовать внутри функции(( как ни извращался - $heap не виден функциям start_element итд. Пытался извратиться вобще так:

<? class rss_feed {     public $heap = array();     public $url;     public function __construct()     {         $this->rss_feed();     }     public function rss_feed()     {         $this->heap['level'] = 0;         $this->heap['ref'] = array();     }     // Загрузка фида через file_get_contents     public function load( $ext_url )     {         $this->url = file_get_contents( $ext_url );     }     // Загрузка фида через URL     public function load_through_curl( $ext_url )     {         $r = curl_init();         curl_setopt( $r,CURLOPT_NOPROGRESS,0 );         curl_setopt( $r,CURLOPT_RETURNTRANSFER,1 );         curl_setopt( $r,CURLOPT_URL,$ext_url );         $this->url = curl_exec( $r ); }      // Процессинг фида     public function process()     {         $p = xml_parser_create();         xml_set_element_handler( $p,"start_element","end_element" );         xml_set_character_data_handler( $p,"element_data" );         xml_parse( $p,$url );         echo "<pre>";         print_r( $this->heap );     }     private function start_element( $par,$name,$atr )     {         $tmp = array( "data" => "",                       "name" => $name,                       "atr" => $atr );         $l = $this->heap['level'] + 1;         $lp = $l - 1;         $this->heap['stack'][$l] = $this->heap['ref'];         $this->heap['ref'] = array( "data" => "" );         if ( !empty( $atr ) ) $this->heap['ref']['atr'] = $atr;     }     private function end_element( $par,$name )     {         $l = $this->heap['level'] - 1;         $ln = $l + 1;         $tmp = $this->heap['ref'];         $this->heap['ref'] = $this->heap['stack'][$ln];         unset( $this->heap['stack'][$ln] );         $this->heap['ref']['sub'][$name][] = $tmp;     }     private function element_data( $par,$data )     {         if( trim( $data ) != "" )         {             $this->heap['ref']['data'] .= iconv( "UTF-8","WINDOWS-1251",$data );         }     } } ?>

но опять же - на выходе просто

<? Array (     [level] => 0     [ref] => Array         (         ) ) ?>

почему? и если делать без объектов, то как сделать, чтоб функции start_element итд видели переменную $heap, которая уже находится внутри своей функции?

.

бьюсь как рыба об лед башкой и понимаю что я ламер страшный, раз такого не понимаю...
вот код теперь:

<?php class rss_feed {     public $feed_content;     public function __construct( $url )     {         $this->rss_feed( $url );     }     public function rss_feed( $url )     {         $this->feed_content = $this->load_through_fgc( $url );     }     // Загрузка через file_get_contents     private function load_through_fgc( $url )     {         $this->feed_content = file_get_contents( $url );     }     // Загрузка через CURL     public function load_through_curl( $url )     {         $r = curl_init();         curl_setopt( $r,CURLOPT_NOPROGRESS,0 );         curl_setopt( $r,CURLOPT_RETURNTRANSFER,1 );         curl_setopt( $r,CURLOPT_URL,$url );         $this->feed_content = curl_exec( $r );     }     // Процессинг фида     public function process()     {         global $heap;         $p = xml_parser_create();         xml_set_element_handler( $p,"start_element","end_element" );         xml_set_character_data_handler( $p,"element_data" );         xml_parse( $p,$url );         echo "<pre>";         print_r( $heap );     }     private function start_element( $par,$name,$atr )     {         global $heap;         $tmp = array( "data" => "",                       "name" => $name,                       "atr" => $atr );         $l = $heap['level'] + 1;         $lp = $l - 1;         $heap['stack'][$l] = $heap['ref'];         $heap['ref'] = array( "data" => "" );         if ( !empty( $atr ) ) $heap['ref']['atr'] = $atr;     }     private function end_element( $par,$name )     {         global $heap;         $l = $heap['level'] - 1;         $ln = $l + 1;         $tmp = $heap['ref'];         $heap['ref'] = $heap['stack'][$ln];         unset( $heap['stack'][$ln] );         $heap['ref']['sub'][$name][] = $tmp;     }     private function element_data( $par,$data )     {         global $heap;         if( trim( $data ) != "" )         {             $heap['ref']['data'] .= iconv( "UTF-8","WINDOWS-1251",$data );         }     } } $heap['level'] = 0; $heap['ref'] = array(); $feed = new rss_feed( "http://news.yandex.ru/Russia/computers.rss" ); $feed->process(); ?>

вроде и heap уже гломальна, но тем не менее воз и ныне там((

вот эти две строки

$heap['level'] = 0;  $heap['ref'] = array();

снизу надо убрать.

А метод изменить так:

public function process()      {          global $heap;          $p = xml_parser_create();          xml_set_element_handler( $p,"start_element","end_element" );          xml_set_character_data_handler( $p,"element_data" );                   $heap = array('level' => 0, 'ref' => array());         xml_parse( $p,$url );          echo "<pre>";         print_r( $heap ); // вместо этой строки нужно поставить код  упрощения и переноса дерева в объект.         $heap = array();     }

Функции start_element, end_element и element_data из методов класса - выкинуть.
Поставить обычными функциями с глобальной областью видимости и временем жизни .

бьюсь как рыба об лед башкой и понимаю что я ламер страшный, раз такого не понимаю...
вот код теперь:

<?php class rss_feed {     public $feed_content;     public function __construct( $url )     {         $this->rss_feed( $url );     }     public function rss_feed( $url )     {         $this->feed_content = $this->load_through_fgc( $url );     }     // Загрузка через file_get_contents     private function load_through_fgc( $url )     {         $this->feed_content = file_get_contents( $url );     }     // Загрузка через CURL     public function load_through_curl( $url )     {         $r = curl_init();         curl_setopt( $r,CURLOPT_NOPROGRESS,0 );         curl_setopt( $r,CURLOPT_RETURNTRANSFER,1 );         curl_setopt( $r,CURLOPT_URL,$url );         $this->feed_content = curl_exec( $r );     }     // Процессинг фида     public function process()     {         global $heap;         $p = xml_parser_create();         xml_set_element_handler( $p,"start_element","end_element" );         xml_set_character_data_handler( $p,"element_data" );         xml_parse( $p,$url );         echo "<pre>";         print_r( $heap );     }     private function start_element( $par,$name,$atr )     {         global $heap;         $tmp = array( "data" => "",                       "name" => $name,                       "atr" => $atr );         $l = $heap['level'] + 1;         $lp = $l - 1;         $heap['stack'][$l] = $heap['ref'];         $heap['ref'] = array( "data" => "" );         if ( !empty( $atr ) ) $heap['ref']['atr'] = $atr;     }     private function end_element( $par,$name )     {         global $heap;         $l = $heap['level'] - 1;         $ln = $l + 1;         $tmp = $heap['ref'];         $heap['ref'] = $heap['stack'][$ln];         unset( $heap['stack'][$ln] );         $heap['ref']['sub'][$name][] = $tmp;     }     private function element_data( $par,$data )     {         global $heap;         if( trim( $data ) != "" )         {             $heap['ref']['data'] .= iconv( "UTF-8","WINDOWS-1251",$data );         }     } } $heap['level'] = 0; $heap['ref'] = array(); $feed = new rss_feed( "http://news.yandex.ru/Russia/computers.rss" ); $feed->process(); ?>

вроде и heap уже гломальна, но тем не менее воз и ныне там((

> Такая проблема вышла - нижнюю итоговую часть (начиная с xml_parser_create и заканчивая
> xml_parse) необходимо использовать внутри функции(( как ни извращался - $heap не
> виден функциям start_element итд. Пытался извратиться вобще так:

Я в Вашем коде не нашел функций start_element, end_element, element_data. Нашел только методы. Методы и функции - разные вещи.

механизм xml_parse требует именно функций. Функциям этим негде взять контекст выполнения, кроме как из некоторой переменной с глобальной областью видимости.

Делать глобальным сам объект, передавая его в парсер, или оставить глобальной кучу результата, а потом обращаться к ней в конце разбора и переносить результат в объект - дело вкуса. Но некоторую глобальную сущность придется оставить - у функций разбора нет доп. параметра, через который передавался бы контекст выполнения.

эх... я даж вроде как примерно понял, но вот реализовать все ваши умные слова не могу((
может подскажете, где и что исправить, чтобы все работало?..

.

.

ну я реально не понимаю как сделать, чтобы эта $heap была видна в других местах((

global $heap;

Она не только должна быть видна в других местах. Она не должна являться членом(полем) класса. Впрочем, возможно её можно сделать ссылкой на такое поле. Но этого я не проверял. Собственно, если реентерабельность не требуется (не требуется разбирать в обдом скрипте два RSS-потока параллельно) то я не очень себе представляюю смысл всех этих ухищрений.