desenvolvimento para web - xhtml, css, padrões da web, usabilidade, acessibilidade, web design, SEO, blogs e tecnologias para desenvolver a web In via di sviluppo web - XHTML, CSS, standard web, usabilità, l'accessibilità, web design, SEO, blog e della tecnologia per sviluppare il web

Pegar parte do conteúdo de outro site foi a tarefa que tive que fazer. Prendere il contenuto di un altro sito è stato il compito che doveva fare. Pensei que seria bem fácil, mas as coisas não saíram exatamente como eu planejava… Felizmente, consegui! Ho pensato che sarebbe stato facile, ma le cose uscì esattamente come ho in programma… Per fortuna, è riuscito! Aprenda, você, também, como coletar informações de outros sites na internet . Imparare, è anche, e raccogliere informazioni da altri siti web su Internet.

A missão: pegar parte do conteúdo de um site La missione: ottenere il contenuto di un sito

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. Oggi, al lavoro, ha avuto il compito di "tirare" alcuni dei dati da un sito al "trapianto" in un estratto da un sito web che sto contribuendo a sviluppare. 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). Quando ero ultimo compito non appena ricordato un momento in cui un amico ha fatto la stessa cosa (e, all'epoca, mi ha spiegato, più o meno, ha già fatto). Pensei que seria muito fácil realizar a tarefa, mas, na hora, “lembrei” que não sou tão bom quanto o Gevã … rsrs Ho pensato che sarebbe stato molto facile compiere il compito, ma nel tempo, "ha ricordato" che non sono buono come il Gevã… rsrs

A solução: funções nativas do PHP e expressões regulares La soluzione: nativo di funzioni PHP e le espressioni regolari

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 ). Ho trascorso per la ricerca sul web, disperatamente alla ricerca di materiale di riferimento a espressioni regolari (che, come vedrete, è uno dei pilastri per la realizzazione di ottenere alcuni contenuti da un altro sito). Procura daqui, procura de lá, até bate-papo com o Gevã rolou para eu tentar entender melhor as tais expressões regulares. Cerchi qui, alla ricerca di lì a chattare con i Gevã laminati su cerco di capire meglio tali espressioni regolari. Até que, utilizando um pouco de “gambiarra”, consegui realizar meu objetivo. Prima che, utilizzando un po ' "gambiarra", è riuscito a raggiungere il mio obiettivo.

A primeira coisa a se fazer, é pegar o conteúdo da página inteira que se quer “manipular”. La prima cosa da fare è prendere l'intero contenuto della pagina che si desidera "manipolare". Para tal, usa-se, por exemplo, a função file_get_contents() . A tal fine utilizza, per esempio, la funzione file_get_contents (). Jogando o conteúdo do site numa variável, ficaria assim (vou fazer o exemplo com o mesmo site que tive que mexer): La riproduzione del contenuto del sito in una variabile, sarebbe bene ( 'll fare un esempio con lo stesso sito che ha dovuto spostare):

 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 . Pronto, ora contiene la variabile $ url, corda, l'intero contenuto della home page del BCB.

Expressões regulares Espressioni regolari

Até aqui foi fácil; o difícil foi pegar somente o trecho da página que eu queria… Para isso, é preciso usar expressões regulares ! Qui è stato così facile, il difficile cattura è stata solo la porzione di pagina che volevo… Per questo, è necessario utilizzare le espressioni regolari!

Caso você não saiba o que são expressões regulares, aí vai uma sucinta (e incompleta…) explicação de o que são expressões regulares, da Wikipédia : Se non sai cosa sono le espressioni regolari, ci vai una breve (e incompleto…) spiegazione di ciò che sono le espressioni regolari, da Wikipedia:

Uma expressão regular, na Informática, define um padrão a ser usado para procurar ou substituir palavras ou grupos de palavras. Una espressione regolare in Information Technology, definisce uno standard per essere utilizzato per cercare o sostituire parole o di gruppi di parole. É um meio preciso de se fazer buscas de determinadas porções de texto. E 'un must per fare ricerche di alcune porzioni di testo.

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 le espressioni regolari è possibile identificare frammenti di parole o di gruppi di parole che corrispondono ( "partita") ad un certo livello ( "pattern"), che è "normale".

O PHP tem várias funções nativas para trabalhar com expressões regulares. Di PHP ha diverse funzioni native di lavorare con le espressioni regolari. Basta saber para o que cada uma serve e usar da meneira correta. Basta sapere che ognuno serve e di uso di meneira corretta.

Bem, o próximo passo para resolução do problema é identificar o padrão que se quer extrair do site . Ebbene, il prossimo passo verso la soluzione del problema è quello di individuare il modello che si desidera estrarre il sito. No caso, eu precisei de uma tabela com algumas taxas cambiais (encontra-se à direita, no site do BCB). Nel caso, ho bisogno di un tavolo con alcuni tassi di cambio (si trova sulla destra, il sito della 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 - ->”. Osservando il codice sorgente, ho visto che l'informazione è in una tabella (semanticamente approccio corretto!); Inoltre, questa tabella è circondato tra i commenti HTML "<! - - HOME INDICATORI - ->" e "<! - - FIMINDICADORES -- --> ". Isso é uma coisa boa, já que facilita bastante a “identificação do padrão”. Questa è una buona cosa, poiché facilita piuttosto a "identificare il pattern".

Explicando melhor: o padrão procurado, no caso, é tudo o que está entre os comentários HTML “<!- - INICIO INDICADORES - ->” e “<!- - FIMINDICADORES - ->”. Spiegare meglio: il pattern cercato nel caso, è tutto ciò che è tra i commenti HTML "<! - - HOME INDICATORI - ->" e "<! - - FIMINDICADORES - ->." Toda a tabela está aí, para a minha felicidade! L'intera tabella è lì, per la mia felicità! :-)

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. Che cosa dobbiamo fare è quella di utilizzare una funzione PHP (per caso, ha scelto la preg_match_all ()) per la ricerca di una espressione regolare all'interno della variabile $ url, che contiene tutta la prima pagina del sito è dove la tabella.

Depois de muito tempo testando vááárias expressões regulares, cheguei à conclusão que faria uma pequena mutreta. Dopo tanto tempo di test vááárias espressioni regolari, sono giunto alla conclusione che renderebbe un piccolo mutreta. Mas, antes, deixe-me mostrar como está o código até agora. Ma in primo luogo, vorrei mostrare come il codice è fino ad ora.

 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 ( '/ MINERALI - >(. )<!--/ s', $ url, $ contenuto); 

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. Spiegando: il primo argomento della funzione, è lo standard che io cerco, la seconda, è dove io proverò e la terza, guardia in un array tutte le occorrenze delle parole ricercate. Para a maioria dos casos, talvez já estivesse bom, por aqui; entretanto, no problema que tive, ainda é preciso mais algumas linhas de código. Per la maggior parte dei casi, possono essere stati buoni, qui, ma non ho avuto nessun problema, ancora bisogno di un paio di righe di codice.

No momento, a variável $conteudo contém um array com as ocorrências encontradas. Attualmente, la variabile $ content contiene un array con le occorrenze trovate. Usando um print_r() , descobri em qual posição, exatamente, o que eu procurava estava: $conteudo[0][0] . Utilizzando un print_r (), scoperto in che posizione, esattamente quello che stavo cercando: $ contenuto [0] [0].

Fazendo uma “mutreta” Facendo un "mutreta"

Para fazer a tal “mutreta”, jogo o conteúdo desta posição da matriz para uma outra variável (para facilitar a manipulação). Per fare questo "mutreta", il gioco contenuto della matrice di posizione a un'altra variabile (al fine di agevolare la manipolazione).

 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 ( '/ MINERALI - >(. )<!--/ s', $ url, $ contenuto); $ visualizzazione = $ Contenuto [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). Ci sono stati frammenti di ciò che mi è stato restituito (vale a dire la tabella con i tassi di cambio) che non ho voluto apparire sul sito (come alcuni link). Então, resolvi retirá-los através da função str_replace() , que substitui trechos de strings . Così ho deciso di ritirare la loro funzione di str_replace (), che sostituisce porzioni di stringhe. É possível, como argumento, passar um array. E 'possibile, come un argomento, passare un array. Então, por enquanto e quase no fim, o código está assim: Così per il momento si avvicina e la fine, il codice è questo:

 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 ( '/ MINERALI - >(. )<!--/ s', $ url, $ contenuto); $ visualizzazione = $ Contenuto [0] [0]; ritirare $ = array ( 'maggior parte delle valute', 'Copom minuto', 'più', 'MINERALI ->','<!--'); $ display = str_replace ( $ Ritirare,'', $ display); 

Ou seja: sempre que aparecer alguns dos itens do array $retirar em $exibir , será substituído por “” (nada…). In altre parole, dove alcuni degli elementi appaiono nella matrice $ $ ritirare una visualizzazione, verrà sostituito da "" (niente…). Perceba que os últimos dois elementos do array são “poluições” desnecessárias, que vieram devido à minha preguiça de fazer uma expressão regular mais elaborada. Si noti che gli ultimi due elementi della matrice sono "inquinamento" inutili, che è venuto a causa di mia pigrizia a fare una espressione regolare più elaborata. :-)

Finalizando… Infine…

Depois disso, basta mandar exibir na tela o que “sobrou” do conteúdo retira da página inicial do site do BCB. Dopo di che, solo mandar visualizzazione sullo schermo che "sobrou" tagliare il contenuto della home page del sito 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 ( '/ MINERALI - >(. )<!--/ s', $ url, $ contenuto); $ visualizzazione = $ Contenuto [0] [0] </ span>; ritirare $ = array ( 'maggior parte delle valute', 'Copom minuto', 'più', '$ ->','<!--') MINERALI display = str_replace ($ ritirare,'', $ display); echo $ DISPLAY; 

E se o servidor não permite a função file_get_contents() ? E se il server non permette la funzione file_get_contents ()?

Há muitos servidores que, por motivos diversos (principalmente “segurança”), não permitem que se utilize a função file_get_contents() . Ci sono molti server che, per varie ragioni (soprattutto "sicurezza"), non consentono di utilizzare la funzione 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 ): Per questi casi, è possibile immettere una variabile qualsiasi pagina esterna utilizzando il seguente codice (dopo aver domanda spiegazioni nel manuale ufficiale di 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 . Quindi, il contenuto della pagina "O_SITE_QUE_VOCE_QUER" sarà nella variabile $ content.

Conclusão Conclusione

Então, pessoal, para se retirar uma parte do conteúdo de um web site (utilizando PHP), os passos são: Quindi, del personale, di ritirare una parte dei contenuti di un sito web (con l'utilizzo di PHP), i passi sono:

• Saber em qual página está o conteúdo que se precisa; Imparare che la pagina è che il contenuto fosse accurato;
• Jogar o conteúdo do site em uma variável; Riprodurre il contenuto del sito in una variabile;
• Extrair o trecho que se quer utilizando expressões regulares; Estrarre le parole che si desidera utilizzare le espressioni regolari;
• Se preciso, cortar mais algumas coisas do resultado da ER; Se necessario, tagliare alcune cose più il risultato della ER;
• Exibir em tela o resultado final. Visualizzazione schermo del risultato finale.

O grande pulo do gato , neste caso, é saber mexer com expressões regulares; coisa que, sinto informar, só se aprende fazendo! Il grande salto del gatto in questo caso è se fare con le espressioni regolari; cosa, mi informano, ma si impara facendo! E fazendo muito! E facendo molto! Leia as referências no fim deste artigo e procure na internet mais material a respeito. Leggere i riferimenti alla fine di questo articolo e trovare più materiale su Internet al riguardo.

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. Altra cosa importante è: si prega di tenere presente che, come lei sta assumendo il contenuto di un sito in cui il cambiamento che la sua struttura, molto probabilmente sarà necessario modificare l'espressione regolare, anche.

Fique ciente de uma coisa: se você, desenvolvedor web , ainda não precisou usar expressões regulares, pode ter certeza de que sua hora vai chegar! Essere consapevoli di una cosa: se lei, sviluppatore web, non ancora specificato usare le espressioni regolari, potete essere certi che la sua ora giunto vai!