hey im not dead, curlie scraper ok bye
This commit is contained in:
lolcat
parent
479545165a
commit
fa6cefb6ed
@ -895,7 +895,8 @@ class frontend{
|
|||||||
"yep" => "Yep",
|
"yep" => "Yep",
|
||||||
"mojeek" => "Mojeek",
|
"mojeek" => "Mojeek",
|
||||||
"marginalia" => "Marginalia",
|
"marginalia" => "Marginalia",
|
||||||
"wiby" => "wiby"
|
"wiby" => "wiby",
|
||||||
|
"curlie" => "Curlie"
|
||||||
]
|
]
|
||||||
];
|
];
|
||||||
break;
|
break;
|
||||||
@ -948,6 +949,7 @@ class frontend{
|
|||||||
"display" => "Scraper",
|
"display" => "Scraper",
|
||||||
"option" => [
|
"option" => [
|
||||||
"sc" => "SoundCloud"
|
"sc" => "SoundCloud"
|
||||||
|
//"spotify" => "Spotify"
|
||||||
]
|
]
|
||||||
];
|
];
|
||||||
break;
|
break;
|
||||||
@ -1022,6 +1024,11 @@ class frontend{
|
|||||||
$lib = new wiby();
|
$lib = new wiby();
|
||||||
break;
|
break;
|
||||||
|
|
||||||
|
case "curlie":
|
||||||
|
include "scraper/curlie.php";
|
||||||
|
$lib = new curlie();
|
||||||
|
break;
|
||||||
|
|
||||||
case "yep":
|
case "yep":
|
||||||
include "scraper/yep.php";
|
include "scraper/yep.php";
|
||||||
$lib = new yep();
|
$lib = new yep();
|
||||||
@ -1032,6 +1039,11 @@ class frontend{
|
|||||||
$lib = new sc();
|
$lib = new sc();
|
||||||
break;
|
break;
|
||||||
|
|
||||||
|
case "spotify":
|
||||||
|
include "scraper/spotify.php";
|
||||||
|
$lib = new spotify();
|
||||||
|
break;
|
||||||
|
|
||||||
case "pinterest":
|
case "pinterest":
|
||||||
include "scraper/pinterest.php";
|
include "scraper/pinterest.php";
|
||||||
$lib = new pinterest();
|
$lib = new pinterest();
|
||||||
|
|||||||
309
scraper/curlie.php
Normal file
309
scraper/curlie.php
Normal file
@ -0,0 +1,309 @@
|
|||||||
|
<?php
|
||||||
|
|
||||||
|
class curlie{
|
||||||
|
|
||||||
|
public function __construct(){
|
||||||
|
|
||||||
|
include "lib/backend.php";
|
||||||
|
$this->backend = new backend("curlie");
|
||||||
|
|
||||||
|
include "lib/fuckhtml.php";
|
||||||
|
$this->fuckhtml = new fuckhtml();
|
||||||
|
}
|
||||||
|
|
||||||
|
public function getfilters($page){
|
||||||
|
|
||||||
|
if($page != "web"){
|
||||||
|
|
||||||
|
return [];
|
||||||
|
}
|
||||||
|
|
||||||
|
return [
|
||||||
|
"lang" => [
|
||||||
|
"display" => "Language",
|
||||||
|
"option" => [
|
||||||
|
"any" => "Any language",
|
||||||
|
"en" => "English",
|
||||||
|
"de" => "German",
|
||||||
|
"fr" => "French",
|
||||||
|
"ja" => "Japanese",
|
||||||
|
"it" => "Italian",
|
||||||
|
"es" => "Spanish",
|
||||||
|
"ru" => "Russian",
|
||||||
|
"nl" => "Dutch",
|
||||||
|
"pl" => "Polish",
|
||||||
|
"tr" => "Turkish",
|
||||||
|
"da" => "Danish",
|
||||||
|
"sv" => "Swedish",
|
||||||
|
"no" => "Norwegian",
|
||||||
|
"is" => "Icelandic",
|
||||||
|
"fo" => "Faroese",
|
||||||
|
"fi" => "Finnish",
|
||||||
|
"et" => "Estonian",
|
||||||
|
"lt" => "Lithuanian",
|
||||||
|
"lv" => "Latvian",
|
||||||
|
"cy" => "Welsh",
|
||||||
|
"ga" => "Irish",
|
||||||
|
"gd" => "Scottish Gaelic",
|
||||||
|
"br" => "Breton",
|
||||||
|
"fy" => "Frisian",
|
||||||
|
"frr" => "North Frisian",
|
||||||
|
"gem" => "Saterland Frisian",
|
||||||
|
"lb" => "Luxembourgish",
|
||||||
|
"rm" => "Romansh",
|
||||||
|
"pt" => "Portuguese",
|
||||||
|
"ca" => "Catalan",
|
||||||
|
"gl" => "Galician",
|
||||||
|
"eu" => "Basque",
|
||||||
|
"ast" => "Asturian",
|
||||||
|
"an" => "Aragonese",
|
||||||
|
"fur" => "Friulan",
|
||||||
|
"sc" => "Sardinian",
|
||||||
|
"scn" => "Sicilian",
|
||||||
|
"oc" => "Occitan",
|
||||||
|
"be" => "Belarusian",
|
||||||
|
"cs" => "Czech",
|
||||||
|
"hu" => "Hungarian",
|
||||||
|
"sk" => "Slovak",
|
||||||
|
"uk" => "Ukrainian",
|
||||||
|
"csb" => "Kashubian",
|
||||||
|
"tt" => "Tatar",
|
||||||
|
"ba" => "Bashkir",
|
||||||
|
"os" => "Ossetian",
|
||||||
|
"sl" => "Slovene",
|
||||||
|
"sr" => "Serbian",
|
||||||
|
"hr" => "Croatian",
|
||||||
|
"bs" => "Bosnian",
|
||||||
|
"bg" => "Bulgarian",
|
||||||
|
"sq" => "Albanian",
|
||||||
|
"ro" => "Romanian",
|
||||||
|
"mk" => "Macedonian",
|
||||||
|
"el" => "Greek",
|
||||||
|
"iw" => "Hebrew",
|
||||||
|
"fa" => "Persian",
|
||||||
|
"ar" => "Arabic",
|
||||||
|
"ku" => "Kurdish",
|
||||||
|
"az" => "Azerbaijani",
|
||||||
|
"hy" => "Armenian",
|
||||||
|
"af" => "Afrikaans",
|
||||||
|
"sw" => "Kiswahili",
|
||||||
|
"uz" => "Uzbek",
|
||||||
|
"kk" => "Kazakh",
|
||||||
|
"ky" => "Kyrgyz",
|
||||||
|
"tg" => "Tajik",
|
||||||
|
"tk" => "Turkmen",
|
||||||
|
"ug" => "Uyghurche",
|
||||||
|
"hi" => "Hindi",
|
||||||
|
"si" => "Sinhalese",
|
||||||
|
"gu" => "Gujarati",
|
||||||
|
"ur" => "Urdu",
|
||||||
|
"mr" => "Marathi",
|
||||||
|
"pa" => "Punjabi",
|
||||||
|
"bn" => "Bengali",
|
||||||
|
"ta" => "Tamil",
|
||||||
|
"te" => "Telugu",
|
||||||
|
"kn" => "Kannada",
|
||||||
|
"zh_CN" => "Chinese Simplified",
|
||||||
|
"zh_TW" => "Chinese Traditional",
|
||||||
|
"ko" => "Korean",
|
||||||
|
"cfr" => "Taiwanese",
|
||||||
|
"th" => "Thai",
|
||||||
|
"vi" => "Vietnamese",
|
||||||
|
"in" => "Indonesian",
|
||||||
|
"ms" => "Malay",
|
||||||
|
"tl" => "Tagalog",
|
||||||
|
"eo" => "Esperanto",
|
||||||
|
"ia" => "Interlingua",
|
||||||
|
"la" => "Latin"
|
||||||
|
]
|
||||||
|
]
|
||||||
|
];
|
||||||
|
}
|
||||||
|
|
||||||
|
private function get($proxy, $url, $get = []){
|
||||||
|
|
||||||
|
$curlproc = curl_init();
|
||||||
|
|
||||||
|
if($get !== []){
|
||||||
|
$get = http_build_query($get);
|
||||||
|
$url .= "?" . $get;
|
||||||
|
}
|
||||||
|
|
||||||
|
curl_setopt($curlproc, CURLOPT_URL, $url);
|
||||||
|
|
||||||
|
curl_setopt($curlproc, CURLOPT_ENCODING, ""); // default encoding
|
||||||
|
curl_setopt($curlproc, CURLOPT_HTTPHEADER,
|
||||||
|
["User-Agent: " . config::USER_AGENT,
|
||||||
|
"Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,*/*;q=0.8",
|
||||||
|
"Accept-Language: en-US,en;q=0.5",
|
||||||
|
"Accept-Encoding: gzip",
|
||||||
|
"DNT: 1",
|
||||||
|
"Connection: keep-alive",
|
||||||
|
"Upgrade-Insecure-Requests: 1",
|
||||||
|
"Sec-Fetch-Dest: document",
|
||||||
|
"Sec-Fetch-Mode: navigate",
|
||||||
|
"Sec-Fetch-Site: none",
|
||||||
|
"Sec-Fetch-User: ?1"]
|
||||||
|
);
|
||||||
|
|
||||||
|
curl_setopt($curlproc, CURLOPT_RETURNTRANSFER, true);
|
||||||
|
curl_setopt($curlproc, CURLOPT_SSL_VERIFYHOST, 2);
|
||||||
|
curl_setopt($curlproc, CURLOPT_SSL_VERIFYPEER, true);
|
||||||
|
curl_setopt($curlproc, CURLOPT_CONNECTTIMEOUT, 30);
|
||||||
|
curl_setopt($curlproc, CURLOPT_TIMEOUT, 30);
|
||||||
|
|
||||||
|
$this->backend->assign_proxy($curlproc, $proxy);
|
||||||
|
|
||||||
|
$data = curl_exec($curlproc);
|
||||||
|
|
||||||
|
if(curl_errno($curlproc)){
|
||||||
|
|
||||||
|
throw new Exception(curl_error($curlproc));
|
||||||
|
}
|
||||||
|
|
||||||
|
curl_close($curlproc);
|
||||||
|
return $data;
|
||||||
|
}
|
||||||
|
|
||||||
|
public function web($get){
|
||||||
|
|
||||||
|
if($get["npt"]){
|
||||||
|
|
||||||
|
[$query, $proxy] = $this->backend->get($get["npt"], "web");
|
||||||
|
|
||||||
|
try{
|
||||||
|
$html = $this->get(
|
||||||
|
$proxy,
|
||||||
|
"https://curlie.org/" . $query,
|
||||||
|
[]
|
||||||
|
);
|
||||||
|
}catch(Exception $error){
|
||||||
|
|
||||||
|
throw new Exception("Failed to fetch search page");
|
||||||
|
}
|
||||||
|
|
||||||
|
}else{
|
||||||
|
$proxy = $this->backend->get_ip();
|
||||||
|
|
||||||
|
$query = [
|
||||||
|
"q" => $get["s"],
|
||||||
|
"start" => 0,
|
||||||
|
"stime" => 92452189 // ?
|
||||||
|
];
|
||||||
|
|
||||||
|
if($get["lang"] !== "any"){
|
||||||
|
|
||||||
|
$query["lang"] = $get["lang"];
|
||||||
|
}
|
||||||
|
|
||||||
|
try{
|
||||||
|
$html = $this->get(
|
||||||
|
$proxy,
|
||||||
|
"https://curlie.org/search",
|
||||||
|
$query
|
||||||
|
);
|
||||||
|
}catch(Exception $error){
|
||||||
|
|
||||||
|
throw new Exception("Failed to fetch search page");
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
$this->fuckhtml->load($html);
|
||||||
|
|
||||||
|
$nextpage =
|
||||||
|
$this->fuckhtml
|
||||||
|
->getElementsByClassName(
|
||||||
|
"next-page",
|
||||||
|
"a"
|
||||||
|
);
|
||||||
|
|
||||||
|
if(count($nextpage) !== 0){
|
||||||
|
|
||||||
|
$nextpage =
|
||||||
|
$this->backend->store(
|
||||||
|
$nextpage[0]["attributes"]["href"],
|
||||||
|
"web",
|
||||||
|
$proxy
|
||||||
|
);
|
||||||
|
}else{
|
||||||
|
|
||||||
|
$nextpage = null;
|
||||||
|
}
|
||||||
|
|
||||||
|
$out = [
|
||||||
|
"status" => "ok",
|
||||||
|
"spelling" => [
|
||||||
|
"type" => "no_correction",
|
||||||
|
"using" => null,
|
||||||
|
"correction" => null
|
||||||
|
],
|
||||||
|
"npt" => $nextpage,
|
||||||
|
"answer" => [],
|
||||||
|
"web" => [],
|
||||||
|
"image" => [],
|
||||||
|
"video" => [],
|
||||||
|
"news" => [],
|
||||||
|
"related" => []
|
||||||
|
];
|
||||||
|
|
||||||
|
$items =
|
||||||
|
$this->fuckhtml
|
||||||
|
->getElementsByClassName(
|
||||||
|
"site-item",
|
||||||
|
"div"
|
||||||
|
);
|
||||||
|
|
||||||
|
foreach($items as $item){
|
||||||
|
|
||||||
|
$this->fuckhtml->load($item);
|
||||||
|
|
||||||
|
$a =
|
||||||
|
$this->fuckhtml
|
||||||
|
->getElementsByAttributeValue(
|
||||||
|
"target",
|
||||||
|
"_blank",
|
||||||
|
"a"
|
||||||
|
)[0];
|
||||||
|
|
||||||
|
$description =
|
||||||
|
$this->fuckhtml
|
||||||
|
->getElementsByClassName("site-descr");
|
||||||
|
|
||||||
|
if(count($description) !== 0){
|
||||||
|
|
||||||
|
$description =
|
||||||
|
$this->fuckhtml
|
||||||
|
->getTextContent(
|
||||||
|
$description[0]
|
||||||
|
);
|
||||||
|
}else{
|
||||||
|
|
||||||
|
$description = null;
|
||||||
|
}
|
||||||
|
|
||||||
|
$out["web"][] = [
|
||||||
|
"title" =>
|
||||||
|
$this->fuckhtml
|
||||||
|
->getTextContent(
|
||||||
|
$a
|
||||||
|
),
|
||||||
|
"description" => $description,
|
||||||
|
"url" =>
|
||||||
|
$this->fuckhtml
|
||||||
|
->getTextContent(
|
||||||
|
$a["attributes"]["href"]
|
||||||
|
),
|
||||||
|
"date" => null,
|
||||||
|
"type" => "web",
|
||||||
|
"thumb" => [
|
||||||
|
"url" => null,
|
||||||
|
"ratio" => null
|
||||||
|
],
|
||||||
|
"sublink" => [],
|
||||||
|
"table" => []
|
||||||
|
];
|
||||||
|
}
|
||||||
|
|
||||||
|
return $out;
|
||||||
|
}
|
||||||
|
}
|
||||||
Loading…
x
Reference in New Issue
Block a user