mirror of https://github.com/YGGverse/YGGo.git
ghost
2 years ago
1 changed files with 124 additions and 0 deletions
@ -0,0 +1,124 @@ |
|||||||
|
<?php |
||||||
|
|
||||||
|
// CLI only to prevent https server connection timeout |
||||||
|
if (php_sapi_name() != 'cli') { |
||||||
|
echo sprintf(_('supported command line interface only'), PHP_EOL); |
||||||
|
exit; |
||||||
|
} |
||||||
|
|
||||||
|
// Lock multi-thread execution |
||||||
|
$semaphore = sem_get(crc32('crontab.cleaner'), 1); |
||||||
|
|
||||||
|
if (false === sem_acquire($semaphore, true)) { |
||||||
|
|
||||||
|
echo _('Process locked by another thread.') . PHP_EOL; |
||||||
|
exit; |
||||||
|
} |
||||||
|
|
||||||
|
// Load system dependencies |
||||||
|
require_once(__DIR__ . '/../config/app.php'); |
||||||
|
require_once(__DIR__ . '/../library/mysql.php'); |
||||||
|
require_once(__DIR__ . '/../library/filter.php'); |
||||||
|
require_once(__DIR__ . '/../library/vendor/simple_html_dom.php'); |
||||||
|
|
||||||
|
// Connect database |
||||||
|
$db = new MySQL(DB_HOST, DB_PORT, DB_NAME, DB_USERNAME, DB_PASSWORD); |
||||||
|
|
||||||
|
// CLI begin |
||||||
|
if (empty($argv[1])) $argv[1] = 'help'; |
||||||
|
|
||||||
|
switch ($argv[1]) { |
||||||
|
|
||||||
|
case 'hostPageDom': |
||||||
|
|
||||||
|
if (empty($argv[2])) { |
||||||
|
echo PHP_EOL . _('hostPageDom method requires action argument') . PHP_EOL; |
||||||
|
} |
||||||
|
|
||||||
|
switch ($argv[2]) { |
||||||
|
|
||||||
|
case 'generate': |
||||||
|
|
||||||
|
if (CRAWL_HOST_PAGE_DOM_SELECTORS) { |
||||||
|
|
||||||
|
// Init variables |
||||||
|
$hostPagesProcessedTotal = 0; |
||||||
|
$hostPageDOMAddedTotal = 0; |
||||||
|
|
||||||
|
// Begin selectors extraction |
||||||
|
foreach ($db->getHostPagesByIndexed() as $hostPage) { |
||||||
|
|
||||||
|
if (false !== stripos(Filter::mime($hostPage->mime), 'text/html')) { |
||||||
|
|
||||||
|
if ($hostPageDescription = $db->getLastPageDescription($hostPage->hostPageId)) { |
||||||
|
|
||||||
|
$hostPagesProcessedTotal++; |
||||||
|
|
||||||
|
if (!empty($hostPageDescription->data)) { |
||||||
|
|
||||||
|
$html = str_get_html(base64_decode($hostPageDescription->data)); |
||||||
|
|
||||||
|
foreach ((array) explode(',', CRAWL_HOST_PAGE_DOM_SELECTORS) as $selector) { |
||||||
|
|
||||||
|
foreach($html->find($selector) as $element) { |
||||||
|
|
||||||
|
if (!empty($element->innertext)) { |
||||||
|
|
||||||
|
$hostPageDOMAddedTotal++; |
||||||
|
|
||||||
|
$db->addHostPageDom($hostPage->hostPageId, |
||||||
|
time(), |
||||||
|
$selector, |
||||||
|
trim(CRAWL_HOST_PAGE_DOM_STRIP_TAGS ? strip_tags( |
||||||
|
preg_replace('/[\s]+/', |
||||||
|
' ', |
||||||
|
str_replace(['<br />', '<br/>', '<br>', '</'], |
||||||
|
[' ', ' ', ' ', ' </'], |
||||||
|
$element->innertext))) : $element->innertext)); |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
|
||||||
|
echo sprintf(_('Host pages processed: %s'), $hostPagesProcessedTotal) . PHP_EOL; |
||||||
|
echo sprintf(_('Host page DOM elements added: %s'), $hostPageDOMAddedTotal) . PHP_EOL; |
||||||
|
exit; |
||||||
|
} |
||||||
|
|
||||||
|
echo PHP_EOL . _('CRAWL_HOST_PAGE_DOM_SELECTORS not provided in the configuration file') . PHP_EOL; |
||||||
|
exit; |
||||||
|
|
||||||
|
break; |
||||||
|
case 'truncate': |
||||||
|
|
||||||
|
$db->truncateHostPageDom(); |
||||||
|
|
||||||
|
echo _('hostPageDom table successfully truncated') . PHP_EOL; |
||||||
|
exit; |
||||||
|
|
||||||
|
break; |
||||||
|
default: |
||||||
|
|
||||||
|
echo PHP_EOL . _('undefined action argument') . PHP_EOL; |
||||||
|
} |
||||||
|
|
||||||
|
break; |
||||||
|
} |
||||||
|
|
||||||
|
// Default message |
||||||
|
echo '__ ______________ __' . PHP_EOL; |
||||||
|
echo '\ \/ / ____/ ____/___ / /' . PHP_EOL; |
||||||
|
echo ' \ / / __/ / __/ __ \/ /' . PHP_EOL; |
||||||
|
echo ' / / /_/ / /_/ / /_/ /_/' . PHP_EOL; |
||||||
|
echo '/_/\____/\____/\____(_)' . PHP_EOL; |
||||||
|
|
||||||
|
echo PHP_EOL . _('available options:') . PHP_EOL . PHP_EOL; |
||||||
|
|
||||||
|
echo _(' help - this message') . PHP_EOL; |
||||||
|
echo _(' hostPageDom generate - make hostPageDom index based on related hostPage.data field') . PHP_EOL; |
||||||
|
echo _(' hostPageDom truncate - flush hostPageDom table') . PHP_EOL . PHP_EOL; |
||||||
|
|
||||||
|
echo _('get support: https://github.com/YGGverse/YGGo/issues') . PHP_EOL . PHP_EOL; |
Loading…
Reference in new issue