desenvolvimento para web - xhtml, css, padrões da web, usabilidade, acessibilidade, web design, SEO, blogs e tecnologias para desenvolver a web Développement web - xhtml, css, standards du Web, l'utilisabilité, l'accessibilité, web design, SEO, des blogs et de la technologie pour développer le web

Pegar parte do conteúdo de outro site foi a tarefa que tive que fazer. Prendre le contenu d'un autre site a été la tâche qui avait à faire. Pensei que seria bem fácil, mas as coisas não saíram exatamente como eu planejava… Felizmente, consegui! J'ai pensé qu'il serait facile, mais les choses se sont exactement comme je l'ai prévu… Heureusement, a réussi! Aprenda, você, também, como coletar informações de outros sites na internet . Apprenez, vous aussi, et de recueillir des informations provenant d'autres sites Web sur Internet.

A missão: pegar parte do conteúdo de um site La mission: obtenir le contenu d'un site

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. Aujourd'hui, au travail, a pour tâche de "tirer" certaines données d'un site à "greffe" dans un extrait d'un site Web que je suis aider à se développer. 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). Lors de ma dernière tâche dès rappeler un moment où un ami a fait la même chose (et, à ce moment-là, il m'a expliqué, plus ou moins, il l'a fait). Pensei que seria muito fácil realizar a tarefa, mas, na hora, “lembrei” que não sou tão bom quanto o Gevã … rsrs Je pensais qu'il serait très facile à accomplir la tâche, mais dans le temps », a rappelé" que je ne suis pas aussi bonne que les Gevã… rsrs

A solução: funções nativas do PHP e expressões regulares La solution: des fonctions de PHP et des expressions régulières

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 ). J'ai passé pour la recherche sur le Web, cherchent désespérément de documents de référence sur les expressions régulières (qui, comme vous le verrez, est un des piliers pour obtenir la réalisation de certains contenus d'un autre site). Procura daqui, procura de lá, até bate-papo com o Gevã rolou para eu tentar entender melhor as tais expressões regulares. Espace de recherche, cherchez là pour bavarder avec les Gevã basculé sur j'essaie de mieux comprendre ces expressions régulières. Até que, utilizando um pouco de “gambiarra”, consegui realizar meu objetivo. Avant cela, en utilisant un peu de "gambiarra", a réussi à atteindre mon objectif.

A primeira coisa a se fazer, é pegar o conteúdo da página inteira que se quer “manipular”. La première chose à faire est de récupérer tout le contenu de la page que vous voulez "manipuler". Para tal, usa-se, por exemplo, a função file_get_contents() . À cette fin, utilise, par exemple, la fonction file_get_contents (). Jogando o conteúdo do site numa variável, ficaria assim (vou fazer o exemplo com o mesmo site que tive que mexer): Jouer le contenu du site dans une variable, serait bien ( 'll faire un exemple avec le même site qui avait pour déplacer):

 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 . Prêt, contient désormais la variable $ url, string, tout le contenu de la page d'accueil de la BCB.

Expressões regulares Les expressions régulières

Até aqui foi fácil; o difícil foi pegar somente o trecho da página que eu queria… Para isso, é preciso usar expressões regulares ! Donc, ici c'était facile, difficile la capture n'est que la partie de la page que je voulais… Pour cela, vous devez utiliser les expressions régulières!

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 vous ne savez pas ce que sont les expressions régulières, il va un bref (et incomplet…) explication de ce que sont les expressions rationnelles, du contenu de Wikipédia:

Uma expressão regular, na Informática, define um padrão a ser usado para procurar ou substituir palavras ou grupos de palavras. Une expression régulière dans la technologie de l'information, définit une norme à utiliser pour obtenir ou remplacer des mots ou groupes de mots. É um meio preciso de se fazer buscas de determinadas porções de texto. It's a must pour effectuer des recherches de certaines portions de texte.

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”. Avec les expressions régulières est possible d'identifier des extraits de mots ou groupes de mots qui correspondent ( "match") à un certain niveau ( "pattern"), qui est "ordinaire".

O PHP tem várias funções nativas para trabalhar com expressões regulares. Le PHP dispose de plusieurs fonctions natives de travail avec les expressions régulières. Basta saber para o que cada uma serve e usar da meneira correta. Il suffit de savoir que chaque service et une utilisation correcte de meneira.

Bem, o próximo passo para resolução do problema é identificar o padrão que se quer extrair do site . Eh bien, la prochaine étape en vue de résoudre le problème est d'identifier le modèle que vous voulez extraire le site. No caso, eu precisei de uma tabela com algumas taxas cambiais (encontra-se à direita, no site do BCB). Dans le cas, j'avais besoin d'un tableau avec certains des taux de change (se trouve sur la droite, le site de la 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 - ->”. Notant le code source, j'ai vu que l'information est dans un tableau (sémantiquement correcte!); De plus, ce tableau est entouré entre les commentaires HTML "<! - - ACCUEIL INDICATEURS - ->" et "<- - FIMINDICADORES -- --> ". Isso é uma coisa boa, já que facilita bastante a “identificação do padrão”. C'est une bonne chose, car elle facilite plutôt à "identifier la configuration."

Explicando melhor: o padrão procurado, no caso, é tudo o que está entre os comentários HTML “<!- - INICIO INDICADORES - ->” e “<!- - FIMINDICADORES - ->”. Expliquer mieux: le modèle recherché dans cette affaire, est tout ce qui est entre les commentaires HTML "<! - - ACCUEIL INDICATEURS - ->" et "<- - FIMINDICADORES - ->." Toda a tabela está aí, para a minha felicidade! L'ensemble du tableau est là, pour mon bonheur! :-)

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. Alors, que devons-nous faire est d'utiliser une fonction PHP (par cas, a choisi le preg_match_all ()) pour rechercher une expression régulière dans la variable $ url, qui contient toute la première page du site est l'endroit où la table.

Depois de muito tempo testando vááárias expressões regulares, cheguei à conclusão que faria uma pequena mutreta. Après beaucoup de temps essais vááárias les expressions régulières, je suis venu à la conclusion que ferait un petit mutreta. Mas, antes, deixe-me mostrar como está o código até agora. Mais d'abord, permettez-moi de montrer comment le code est jusqu'à présent.

 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 ( '/ minerais - >(. )<!--/ s', $ url, $ contenu); 

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. Explication: le premier argument de la fonction, est la norme que je cherche, la deuxième, est l'endroit où je vais essayer et la troisième, garde dans un tableau toutes les occurrences des mots recherchés. Para a maioria dos casos, talvez já estivesse bom, por aqui; entretanto, no problema que tive, ainda é preciso mais algumas linhas de código. Pour la plupart des cas, il mai ont été bonnes, ici, mais je n'ai eu aucun problème, encore besoin d'un peu plus de lignes de code.

No momento, a variável $conteudo contém um array com as ocorrências encontradas. Actuellement, la variable $ contenu contient un tableau avec les occurrences trouvées. Usando um print_r() , descobri em qual posição, exatamente, o que eu procurava estava: $conteudo[0][0] . L'utilisation d'un print_r (), découvert en quelle position, exactement ce que je cherchais: le contenu [0] [0].

Fazendo uma “mutreta” Faire un "mutreta"

Para fazer a tal “mutreta”, jogo o conteúdo desta posição da matriz para uma outra variável (para facilitar a manipulação). Pour faire un tel "mutreta", le jeu contenu de la matrice position à une autre variable (afin de faciliter la manutention).

 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 ( '/ minerais - >(. )<!--/ s', $ url, $ contenu); affichage $ = $ Contenu [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). Il y avait des extraits de ce que j'étais retourné (c'est-à-dire le tableau avec les taux de change) que je n'ai pas envie d'apparaître sur le site (comme certains liens). Então, resolvi retirá-los através da função str_replace() , que substitui trechos de strings . J'ai donc décidé de les retirer par la fonction str_replace (), qui remplace certaines parties de cordes. É possível, como argumento, passar um array. Il est possible, comme un argument, passez un tableau. Então, por enquanto e quase no fim, o código está assim: Donc, pour le moment et la fin, le code est le suivant:

 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 ( '/ minerais - >(. )<!--/ s', $ url, $ contenu); affichage $ = $ Contenu [0] [0]; retirer $ = array ( "la plupart des devises', 'Copom minutes',' plus', 'ORES ->','<!--'); $ display = str_replace ( $ Retirer,'', $ affichage); 

Ou seja: sempre que aparecer alguns dos itens do array $retirar em $exibir , será substituído por “” (nada…). En d'autres termes, où quelques-uns des éléments apparaissent dans le tableau $ $ retirer un écran, sera remplacé par "" (rien…). Perceba que os últimos dois elementos do array são “poluições” desnecessárias, que vieram devido à minha preguiça de fazer uma expressão regular mais elaborada. Il est à noter que les deux derniers éléments du tableau sont la «pollution», inutile, qui est venu en raison de ma paresse à verser régulièrement une expression plus élaborés. :-)

Finalizando… Enfin…

Depois disso, basta mandar exibir na tela o que “sobrou” do conteúdo retira da página inicial do site do BCB. Après cela, il suffit de mandar affichage sur l'écran que "sobrou" couper le contenu de la page d'accueil du site 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 ( '/ minerais - >(. )<!--/ s', $ url, $ contenu); affichage $ = $ Contenu [0] [0] </ span>; retirer $ = array ( "la plupart des devises', 'Copom minutes',' plus', '$ MINERAIS ->','<!--') display = str_replace ($ retirer,'', $ affichage); echo $ affichage; 

E se o servidor não permite a função file_get_contents() ? Et si le serveur ne permet pas la fonction file_get_contents ()?

Há muitos servidores que, por motivos diversos (principalmente “segurança”), não permitem que se utilize a função file_get_contents() . Il existe de nombreux serveurs qui, pour diverses raisons (principalement «sécurité»), ne permettent pas d'utiliser la fonction 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 ): Pour ces cas, il est possible de placer une variable page externe tout en utilisant le code suivant (après vous demander des explications dans le manuel officiel 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 . Ensuite, le contenu de la page "O_SITE_QUE_VOCE_QUER" sera dans la variable $ contenu.

Conclusão Conclusion

Então, pessoal, para se retirar uma parte do conteúdo de um web site (utilizando PHP), os passos são: Ensuite, le personnel, de retirer une partie du contenu d'un site Web (en utilisant PHP), les étapes sont les suivantes:

• Saber em qual página está o conteúdo que se precisa; En savoir quelle page est que le contenu est précis;
• Jogar o conteúdo do site em uma variável; Jouez le contenu du site dans une variable;
• Extrair o trecho que se quer utilizando expressões regulares; Extrait les mots que vous voulez utiliser les expressions régulières;
• Se preciso, cortar mais algumas coisas do resultado da ER; Si nécessaire, couper quelques choses plus le résultat de l'ER;
• Exibir em tela o resultado final. D'écran dans le résultat final.

O grande pulo do gato , neste caso, é saber mexer com expressões regulares; coisa que, sinto informar, só se aprende fazendo! Le grand bond du chat dans ce cas est de savoir si le traitement avec les expressions régulières; chose, je informer, mais vous apprendrez faire! E fazendo muito! Et fait beaucoup! Leia as referências no fim deste artigo e procure na internet mais material a respeito. Lire les références à la fin de cet article et trouver plus d'informations sur l'Internet à ce sujet.

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. Une autre chose importante est la suivante: s’il vous plaît garder à l'esprit que, vous prenez le contenu d'un site où ce changement de sa structure, vont très probablement être nécessaire de modifier l'expression régulière, trop.

Fique ciente de uma coisa: se você, desenvolvedor web , ainda não precisou usar expressões regulares, pode ter certeza de que sua hora vai chegar! Soyez conscient d'une chose: si vous, développeur web, pas encore précisé l'utilisation des expressions régulières, vous pouvez être assuré que son heure va venir!