desenvolvimento para web - xhtml, css, padrões da web, usabilidade, acessibilidade, web design, SEO, blogs e tecnologias para desenvolver a web Desarrollo Web - xhtml, css, estándares web, usabilidad, accesibilidad, diseño web, SEO, los blogs y la tecnología para desarrollar la web

Pegar parte do conteúdo de outro site foi a tarefa que tive que fazer. Tome el contenido de otro sitio es la tarea que tenía que hacer. Pensei que seria bem fácil, mas as coisas não saíram exatamente como eu planejava… Felizmente, consegui! Pensé que sería fácil, pero las cosas salieron exactamente como he planeado… Afortunadamente, logró! Aprenda, você, também, como coletar informações de outros sites na internet . Aprende, también, y recoger información de otros sitios web en Internet.

A missão: pegar parte do conteúdo de um site La misión: obtener el contenido de un sitio

Hoje, no trabalho, tive a missão de “puxar” alguns dados de um site para “enxertar” num trecho de um web site que estou ajudando a desenvolver. Hoy en día, en el trabajo, tenía la tarea de "tirar" algunos datos de un sitio a "injerto" en un extracto de un sitio web que estoy ayudando a desarrollar. Quando a tarefa me foi passada, logo lembrei de uma ocasião em que um amigo fez a mesma coisa (e, na época, ele me explicou, mais ou menos, com o fez). Cuando yo era como última tarea antes recordar un momento en que un amigo hizo lo mismo (y, en ese momento, él me explicó, más o menos, lo hizo). Pensei que seria muito fácil realizar a tarefa, mas, na hora, “lembrei” que não sou tão bom quanto o Gevã … rsrs Pensé que sería muy fácil llevar a cabo la tarea, pero con el tiempo, "recuerda" que no soy tan bueno como el Gevã… rsrs

A solução: funções nativas do PHP e expressões regulares La solución: las funciones de PHP y expresiones regulares

Passei para pesquisas na web , procurando desesperadamente material de referência sobre expressões regulares (que, como verão, é um dos pilares para se conseguir pegar parte do conteúdo de outro site ). Pasé a la investigación en la web, desesperadamente en busca de material de referencia sobre las expresiones regulares (que, como se verá, es uno de los pilares para lograr obtener algunas contenido de otro sitio). Procura daqui, procura de lá, até bate-papo com o Gevã rolou para eu tentar entender melhor as tais expressões regulares. Buscan aquí, en busca de allí para charlar con los laminados en Gevã Trato de entender mejor este tipo de expresiones regulares. Até que, utilizando um pouco de “gambiarra”, consegui realizar meu objetivo. Antes de eso, con ayuda de una pequeña "gambiarra", logró alcanzar mi meta.

A primeira coisa a se fazer, é pegar o conteúdo da página inteira que se quer “manipular”. La primera cosa a hacer es recoger todo el contenido de la página que desea "manipular". Para tal, usa-se, por exemplo, a função file_get_contents() . Con este fin utiliza, por ejemplo, la función file_get_contents (). Jogando o conteúdo do site numa variável, ficaria assim (vou fazer o exemplo com o mesmo site que tive que mexer): Reproducción del contenido del sitio a una variable, sería así ( 'll hacer un ejemplo con el mismo emplazamiento que tenía que pasar):

 1 

 $url = file_get_contents ( 'http://www.bcb.gov.br/' ) ; $ Url = file_get_contents ( 'http://www.bcb.gov.br/'); 

Pronto, agora a variável $url contém, em string , todo o conteúdo da página inicial do BCB . Listo, ahora contiene la variable $ url, cadena, todo el contenido de la página del BCB.

Expressões regulares Expresiones regulares

Até aqui foi fácil; o difícil foi pegar somente o trecho da página que eu queria… Para isso, é preciso usar expressões regulares ! Así que aquí era fácil, la difícil captura fue sólo la porción de la página que quería… Para ello, debe utilizar expresiones regulares!

Caso você não saiba o que são expressões regulares, aí vai uma sucinta (e incompleta…) explicação de o que são expressões regulares, da Wikipédia : Si usted no sabe cuáles son las expresiones regulares, vai un breve (e incompleto…) explicación de lo que son las expresiones regulares, de la Wikipedia:

Uma expressão regular, na Informática, define um padrão a ser usado para procurar ou substituir palavras ou grupos de palavras. Una expresión regular en Tecnología de la Información, define un estándar que se utilizará para buscar o sustitución de palabras o grupos de palabras. É um meio preciso de se fazer buscas de determinadas porções de texto. Es un deber hacer búsquedas de ciertas partes del texto.

Com as expressões regulares é possível identificar trechos de palavras ou grupos de palavras que correspondem (” match “) a um determinado padrão (” pattern “), que é “regular”. Con las expresiones regulares es posible identificar fragmentos de palabras o grupos de palabras que coincidan con ( "partido") a un determinado nivel ( "patrón"), que es "regular".

O PHP tem várias funções nativas para trabalhar com expressões regulares. El PHP tiene varias funciones nativas para trabajar con expresiones regulares. Basta saber para o que cada uma serve e usar da meneira correta. Sólo saber que cada uno sirve y el uso de meneira correcta.

Bem, o próximo passo para resolução do problema é identificar o padrão que se quer extrair do site . Bueno, el siguiente paso hacia la solución del problema es identificar el patrón que desea extraer el sitio. No caso, eu precisei de uma tabela com algumas taxas cambiais (encontra-se à direita, no site do BCB). En el caso, yo necesitaba una tabla con algunos tipos de cambio (está a la derecha, el sitio del BCB). Observando o código fonte, vi que as informações estão em uma tabela (abordagem semanticamente correta!); além disso, esta tabela está envolta entre os comentários HTML “<!- - INICIO INDICADORES - ->” e “<!- - FIMINDICADORES - ->”. Observando el código fuente, he visto que la información aparece en un cuadro (semánticamente correcto!); Por otra parte, este cuadro está rodeado entre los comentarios HTML "<! - - INDICADORES INICIO - ->" y "<! - - FIMINDICADORES -- --> ". Isso é uma coisa boa, já que facilita bastante a “identificação do padrão”. Esta es una buena cosa, ya que facilita más bien a "identificar el patrón."

Explicando melhor: o padrão procurado, no caso, é tudo o que está entre os comentários HTML “<!- - INICIO INDICADORES - ->” e “<!- - FIMINDICADORES - ->”. Explicando mejor: el modelo buscado en el caso, es todo lo que está entre los comentarios HTML "<! - - INDICADORES INICIO - ->" y "<! - - FIMINDICADORES - ->". Toda a tabela está aí, para a minha felicidade! Todo el cuadro está ahí, para mi felicidad! :-)

Então, tudo o que é preciso fazer é utilizar uma função PHP (para o caso, escolhi a preg_match_all() ) para procurar uma expressão regular dentro da variável $url , que contém toda a primeira página do site em que está a tabela. Entonces ¿Qué tenemos que hacer es utilizar una función de PHP (por caso, eligió el preg_match_all ()) para buscar una expresión regular dentro de la variable $ url, que contiene toda la primera página del sitio es donde la mesa.

Depois de muito tempo testando vááárias expressões regulares, cheguei à conclusão que faria uma pequena mutreta. Después de mucho tiempo de ensayo vááárias expresiones regulares, me llegó a la conclusión de que haría un pequeño mutreta. Mas, antes, deixe-me mostrar como está o código até agora. Pero en primer lugar, permítanme mostrar cómo el código es hasta ahora.

 1 2 1 2 

 $url = file_get_contents ( 'http://www.bcb.gov.br/' ) ; preg_match_all ( '/ORES--&gt;(. )<!--/s' , $url , $conteudo ) ; $ Url = file_get_contents ( 'http://www.bcb.gov.br/'); preg_match_all ( '/ ORES - >(. )<!--/ s', $ url, $ contenido); 

Explicando: o primeiro argumento da função, é o padrão que quero procurar; o segundo, é onde vou procurar; o terceiro, guarda em um array todas as ocorrências da expressão procurada. Al explicar: el primer argumento de la función, es la norma que yo busco, la segunda, es donde voy a tratar y el tercero, de guardia en una serie todas las ocurrencias de los términos buscados. Para a maioria dos casos, talvez já estivesse bom, por aqui; entretanto, no problema que tive, ainda é preciso mais algumas linhas de código. Para la mayoría de los casos, puede haber sido buena, aquí, pero he tenido ningún problema, todavía hay unos más líneas de código.

No momento, a variável $conteudo contém um array com as ocorrências encontradas. Actualmente, la variable $ contenido contiene un array con las ocurrencias. Usando um print_r() , descobri em qual posição, exatamente, o que eu procurava estava: $conteudo[0][0] . El uso de un print_r (), descubierto en qué posición, exactamente lo que yo estaba buscando: $ contenido [0] [0].

Fazendo uma “mutreta” Realización de una "mutreta"

Para fazer a tal “mutreta”, jogo o conteúdo desta posição da matriz para uma outra variável (para facilitar a manipulação). Para hacer esta "mutreta", el juego contenido de la matriz de posición a otra variable (para facilitar la manipulación).

 1 2 3 1 2 3 

 $url = file_get_contents ( 'http://www.bcb.gov.br/' ) ; preg_match_all ( '/ORES-->(. )<!--/s' , $url , $conteudo ) ; $exibir = $conteudo [ 0 ] [ 0 ] ; $ Url = file_get_contents ( 'http://www.bcb.gov.br/'); preg_match_all ( '/ ORES - >(. )<!--/ s', $ url, $ contenido); dólares pantalla = $ Contenido [0] [0]; 

Havia trechos do que me foi retornado (ou seja, da tabela com as taxas cambiais) que eu não queria que aparecessem no site (como alguns links). Hubo fragmentos de lo que fue devuelta (es decir, la tabla con el tipo de cambio de divisas) que no desea que aparezca en el sitio (como algunos enlaces). Então, resolvi retirá-los através da função str_replace() , que substitui trechos de strings . Así que tomé la decisión de retirarlas de la función str_replace (), que sustituye a porciones de cadenas. É possível, como argumento, passar um array. Es posible, como argumento, pasar un array. Então, por enquanto e quase no fim, o código está assim: Así que por el momento, y llegando al final, el código es la siguiente:

 1 2 3 4 5 1 2 3 4 5 

 $url = file_get_contents ( 'http://www.bcb.gov.br/' ) ; preg_match_all ( '/ORES-->(. )<!--/s' , $url , $conteudo ) ; $exibir = $conteudo [ 0 ] [ 0 ] ; $retirar = array ( 'mais moedas' , 'atas Copom' , 'mais detalhes' , 'ORES-->' , '<!--' ) ; $exibir = str_replace ( $retirar , '' , $exibir ) ; $ Url = file_get_contents ( 'http://www.bcb.gov.br/'); preg_match_all ( '/ ORES - >(. )<!--/ s', $ url, $ contenido); dólares pantalla = $ Contenido [0] [0]; retirar $ = array ( "la mayoría de las divisas', 'Copom minutos',' más', 'ORES ->','<!--'); $ display = str_replace ( $ Retirar,'', $ pantalla); 

Ou seja: sempre que aparecer alguns dos itens do array $retirar em $exibir , será substituído por “” (nada…). En otras palabras, cuando algunos de los elementos que aparecen en el array $ retirar una pantalla de dólares, será reemplazada por "" (nada…). Perceba que os últimos dois elementos do array são “poluições” desnecessárias, que vieram devido à minha preguiça de fazer uma expressão regular mais elaborada. Tenga en cuenta que los dos últimos elementos de la matriz son "la contaminación" innecesarias, que entró debido a mi pereza para hacer una expresión regular más elaborado. :-)

Finalizando… Por último…

Depois disso, basta mandar exibir na tela o que “sobrou” do conteúdo retira da página inicial do site do BCB. Después de eso, sólo mandar mostrar en la pantalla que "sobrou" cortar el contenido de la página inicial del sitio BCB.

 1 2 3 4 5 6 1 2 3 4 5 6 

 $url = file_get_contents ( 'http://www.bcb.gov.br/' ) ; preg_match_all ( '/ORES-->(. )<!--/s' , $url , $conteudo ) ; $exibir = $conteudo [ 0 ] [ 0 ] </ span >; $retirar = array ( 'mais moedas' , 'atas Copom' , 'mais detalhes' , 'ORES-->' , '<!--' ) ; $exibir = str_replace ( $retirar , '' , $exibir ) ; echo $exibir ; $ Url = file_get_contents ( 'http://www.bcb.gov.br/'); preg_match_all ( '/ ORES - >(. )<!--/ s', $ url, $ contenido); dólares pantalla = $ Contenido [0] [0] </ span>; retirar $ = array ( "la mayoría de las divisas', 'Copom minutos',' más', 'ORES ->','<!--') dólares display = str_replace ($ retirar,'', $ pantalla); echo $ mostrar; 

E se o servidor não permite a função file_get_contents() ? Y si el servidor no permite la función file_get_contents ()?

Há muitos servidores que, por motivos diversos (principalmente “segurança”), não permitem que se utilize a função file_get_contents() . Hay muchos servidores que, por diversas razones (principalmente la "seguridad"), no permiten utilizar la función file_get_contents (). Para esses casos, é possível colocar numa variável alguma página externa utilizando o seguinte código (depois você procura as explicações no manual oficial do PHP ): Para estos casos, es posible colocar una variable externa de cualquier página con el siguiente código (después de pedir explicaciones en el manual oficial de PHP):

 1 2 3 4 5 6 7 1 2 3 4 5 6 7 

 $ch = curl_init ( ) ; $timeout = 0 ; curl_setopt ( $ch , CURLOPT_URL , 'O_SITE_QUE_VOCE_QUER' ) ; curl_setopt ( $ch , CURLOPT_RETURNTRANSFER , 1 ) ; curl_setopt ( $ch , CURLOPT_CONNECTTIMEOUT , $timeout ) ; $conteudo = curl_exec ( $ch ) ; curl_close ( $ch ) ; $ Ch = curl_init (); $ timeout = 0; curl_setopt ($ ch, CURLOPT_URL, 'O_SITE_QUE_VOCE_QUER'); curl_setopt ($ ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt ($ ch, CURLOPT_CONNECTTIMEOUT, $ timeout); $ content = curl_exec ( $ Ch); curl_close ($ ch); 

Então, o conteúdo da página “O_SITE_QUE_VOCE_QUER” estará na variável $conteudo . A continuación, el contenido de la página "O_SITE_QUE_VOCE_QUER" estará en la variable $ contenido.

Conclusão Conclusión

Então, pessoal, para se retirar uma parte do conteúdo de um web site (utilizando PHP), os passos são: Luego, el personal, para retirar una parte de los contenidos de un sitio web (con PHP), los pasos son los siguientes:

• Saber em qual página está o conteúdo que se precisa; Aprender que la página es que el contenido es exacto;
• Jogar o conteúdo do site em uma variável; Juega el contenido del sitio a una variable;
• Extrair o trecho que se quer utilizando expressões regulares; Extracto de las palabras que desea utilizar expresiones regulares;
• Se preciso, cortar mais algumas coisas do resultado da ER; Si es necesario, cortar algunas cosas más el resultado de las ER;
• Exibir em tela o resultado final. Display en pantalla el resultado final.

O grande pulo do gato , neste caso, é saber mexer com expressões regulares; coisa que, sinto informar, só se aprende fazendo! El gran salto del gato en este caso es si se ocupan de expresiones regulares; cosa, me informan, pero se aprende haciendo! E fazendo muito! Y haciendo mucho! Leia as referências no fim deste artigo e procure na internet mais material a respeito. Lea las referencias al final de este artículo y encontrar más material en la Internet acerca de ello.

Uma outra coisa importante é o seguinte: tenha sempre em mente que, como você está pegando o conteúdo de um site , caso este altere sua estrutura, muito provavelmente será preciso alterar a expressão regular, também. Otra cosa importante es: por favor, tenga en cuenta que como usted está tomando el contenido de un sitio donde ese cambio su estructura, más probable será necesario cambiar la expresión regular, también.

Fique ciente de uma coisa: se você, desenvolvedor web , ainda não precisou usar expressões regulares, pode ter certeza de que sua hora vai chegar! Tenga en cuenta de una cosa: si usted, desarrollador web, aún no se especifica el uso de expresiones regulares, puede estar seguro de que llegado su hora vai!