src/stapibas/Content/Extractor/Comment.php

   1 <?php
   2 namespace stapibas;
   3
   4 class Content_Extractor_Comment
   5 {
   6     public function __construct(Logger $log)
   7     {
   8         $this->log = $log;
   9     }
  10
  11     /**
  12      * Try to extract comment data from HTML
  13      *
  14      * @param object $doc HTML
  15      * @param string $source URL this HTML has been loaded from
  16      * @param string $target URL the reply should be to
  17      *
  18      * @return mixed NULL if nothing found, array if ok
  19      */
  20     public function extract(\DOMDocument $doc, $source, $target)
  21     {
  22         $xpath = $this->getXpath($doc);
  23         $hentries = $xpath->query(
  24             '//*[(' . $this->xpc('h-entry') . ' or ' . $this->xpc('hentry') . ') and '
  25             . '//a['
  26             . $this->xpc('u-in-reply-to') . ' and @href=' . $this->xpq($target)
  27             . ']'
  28             . ']'
  29         );
  30
  31         if ($hentries->length == 0) {
  32             return null;
  33         }
  34
  35         $data = array(
  36             'content' => null,
  37             'title'   => null,
  38         );
  39         $hentry = $hentries->item(0);
  40
  41         $this->extractAuthorData($hentry, $xpath, $data, $doc);
  42         $content = $this->getFirst(
  43             './/*[' . $this->xpc('e-content') . ']', false, $hentry, $xpath
  44         );
  45         if ($content) {
  46             $data['content'] = $this->innerHtml($content);
  47         }
  48         $data['title'] = $this->getFirst(
  49             './/*[' . $this->xpc('p-name') . ']', false, $hentry, $xpath
  50         );
  51
  52         return $data;
  53     }
  54
  55     protected function extractAuthorData($hentry, $xpath, &$data, $d)
  56     {
  57         $data['author_name']  = null;
  58         $data['author_image'] = null;
  59         $data['author_url']   = null;
  60
  61         $authors = $xpath->evaluate(
  62             './/*[' . $this->xpc('p-author') . ']'
  63         );
  64         if ($authors->length != 1) {
  65             return false;
  66         }
  67
  68         $author = $authors->item(0);
  69
  70         $data['author_name'] = $this->getFirst(
  71             './/*[' . $this->xpc('p-name') . ' or ' . $this->xpc('fn') . ']',
  72             null, $author, $xpath
  73         );
  74         $data['author_image'] = $this->getFirst(
  75             './/*[' . $this->xpc('u-photo') . ']',
  76             'src', $author, $xpath
  77         );
  78         $data['author_url'] = $this->getFirst(
  79             './/*[' . $this->xpc('u-url') . ']',
  80             'href', $author, $xpath
  81         );
  82     }
  83
  84     protected function getFirst($xpathExpr, $attrName, $elem, $xpath)
  85     {
  86         $items = $xpath->evaluate($xpathExpr, $elem);
  87         if (!$items instanceof \DOMNodeList || $items->length == 0) {
  88             return null;
  89         }
  90
  91         if ($attrName === false) {
  92             return $items->item(0);
  93         } else if ($attrName == null) {
  94             return $items->item(0)->nodeValue;
  95         } else {
  96             return $items->item(0)->attributes->getNamedItem($attrName)->nodeValue;
  97         }
  98     }
  99
 100     protected function innerHtml($element)
 101     {
 102         $innerHTML = '';
 103         $children = $element->childNodes;
 104         foreach ($children as $child) {
 105             $tmp_dom = new \DOMDocument();
 106             $tmp_dom->appendChild($tmp_dom->importNode($child, true));
 107             $innerHTML .= rtrim($tmp_dom->saveHTML(), "\n");
 108         }
 109         return trim($innerHTML);
 110     }
 111
 112     protected function getXpath($node)
 113     {
 114         $xpath = new \DOMXPath($node);
 115         $xpath->registerNamespace('h', 'http://www.w3.org/1999/xhtml');
 116         return $xpath;
 117     }
 118
 119     protected function xpc($class)
 120     {
 121         return 'contains('
 122             . 'concat(" ", normalize-space(@class), " "),'
 123             . '" ' . $class . ' "'
 124             . ')';
 125     }
 126
 127     protected function xpq($str)
 128     {
 129         return '"' . htmlspecialchars($str, ENT_QUOTES) . '"';
 130     }
 131
 132 }
 133
 134 ?>