added yandex web and video search, removed fb search
This commit is contained in:
parent
12a6278a5f
commit
1fd4c2de6d
Binary file not shown.
After Width: | Height: | Size: 67 KiB |
|
@ -878,6 +878,7 @@ class frontend{
|
|||
"option" => [
|
||||
"ddg" => "DuckDuckGo",
|
||||
"brave" => "Brave",
|
||||
"yandex" => "Yandex",
|
||||
//"google" => "Google",
|
||||
"mojeek" => "Mojeek",
|
||||
"marginalia" => "Marginalia",
|
||||
|
@ -903,9 +904,10 @@ class frontend{
|
|||
"display" => "Scraper",
|
||||
"option" => [
|
||||
"yt" => "YouTube",
|
||||
"fb" => "Facebook videos",
|
||||
//"fb" => "Facebook videos",
|
||||
"ddg" => "DuckDuckGo",
|
||||
"brave" => "Brave"//,
|
||||
"brave" => "Brave",
|
||||
"yandex" => "Yandex"
|
||||
//"google" => "Google"
|
||||
]
|
||||
];
|
||||
|
@ -972,11 +974,11 @@ class frontend{
|
|||
include "scraper/google.php";
|
||||
$lib = new google();
|
||||
break;
|
||||
|
||||
/*
|
||||
case "fb":
|
||||
include "scraper/facebook.php";
|
||||
$lib = new facebook();
|
||||
break;
|
||||
break;*/
|
||||
|
||||
case "mojeek":
|
||||
include "scraper/mojeek.php";
|
||||
|
|
|
@ -1182,6 +1182,28 @@ class brave{
|
|||
$this->fuckhtml->load($infobox);
|
||||
$div = $this->fuckhtml->getElementsByTagName("div");
|
||||
|
||||
/*
|
||||
Get small description
|
||||
*/
|
||||
$small_desc =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"infobox-description",
|
||||
$div
|
||||
);
|
||||
|
||||
if(count($small_desc) !== 0){
|
||||
|
||||
$answer["description"][] = [
|
||||
"type" => "quote",
|
||||
"value" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$small_desc[0]
|
||||
)
|
||||
];
|
||||
}
|
||||
|
||||
/*
|
||||
Get title + url
|
||||
*/
|
||||
|
@ -1292,28 +1314,25 @@ class brave{
|
|||
|
||||
if(count($code) === 0){
|
||||
|
||||
$answer["description"] =
|
||||
[
|
||||
[
|
||||
$answer["description"][] = [
|
||||
"type" => "text",
|
||||
"value" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$desc_tmp
|
||||
)
|
||||
],
|
||||
[
|
||||
];
|
||||
|
||||
$answer["description"][] = [
|
||||
"type" => "quote",
|
||||
"value" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$author
|
||||
)
|
||||
]
|
||||
];
|
||||
}else{
|
||||
|
||||
$text = [];
|
||||
$i = 0;
|
||||
|
||||
foreach($code as $snippet){
|
||||
|
@ -1344,7 +1363,7 @@ class brave{
|
|||
);
|
||||
|
||||
$value = $this->fuckhtml->getTextContent($tmphtml[0], false, false);
|
||||
$this->appendtext($value, $text, $i);
|
||||
$this->appendtext($value, $answer["description"], $i);
|
||||
|
||||
$type = null;
|
||||
switch($tag["tagName"]){
|
||||
|
@ -1365,10 +1384,10 @@ class brave{
|
|||
$type == "title"
|
||||
){
|
||||
|
||||
$text[$i - 1]["value"] = rtrim($text[$i - 1]["value"]);
|
||||
$answer["description"][$i - 1]["value"] = rtrim($answer["description"][$i - 1]["value"]);
|
||||
}
|
||||
|
||||
$text[] = [
|
||||
$answer["description"][] = [
|
||||
"type" => $type,
|
||||
"value" => $value
|
||||
];
|
||||
|
@ -1393,21 +1412,21 @@ class brave{
|
|||
if(strlen($tmphtml) !== 0){
|
||||
|
||||
$value = $this->fuckhtml->getTextContent($tmphtml, false, false);
|
||||
$this->appendtext($value, $text, $i);
|
||||
$this->appendtext($value, $answer["description"], $i);
|
||||
}
|
||||
break;
|
||||
|
||||
case "pre":
|
||||
|
||||
switch($text[$i - 1]["type"]){
|
||||
switch($answer["description"][$i - 1]["type"]){
|
||||
|
||||
case "text":
|
||||
case "italic":
|
||||
$text[$i - 1]["value"] = rtrim($text[$i - 1]["value"]);
|
||||
$answer["description"][$i - 1]["value"] = rtrim($answer["description"][$i - 1]["value"]);
|
||||
break;
|
||||
}
|
||||
|
||||
$text[] =
|
||||
$answer["description"][] =
|
||||
[
|
||||
"type" => "code",
|
||||
"value" =>
|
||||
|
@ -1441,7 +1460,7 @@ class brave{
|
|||
->getTextContent(
|
||||
$elem
|
||||
),
|
||||
$text,
|
||||
$answer["description"],
|
||||
$i
|
||||
);
|
||||
}
|
||||
|
@ -1451,21 +1470,19 @@ class brave{
|
|||
|
||||
if(
|
||||
$i !== 0 &&
|
||||
$text[$i - 1]["type"] == "text"
|
||||
$answer["description"][$i - 1]["type"] == "text"
|
||||
){
|
||||
|
||||
$text[$i - 1]["value"] = rtrim($text[$i - 1]["value"]);
|
||||
$answer["description"][$i - 1]["value"] = rtrim($answer["description"][$i - 1]["value"]);
|
||||
}
|
||||
|
||||
if($author){
|
||||
|
||||
$text[] = [
|
||||
$answer["description"][] = [
|
||||
"type" => "quote",
|
||||
"value" => $this->fuckhtml->getTextContent($author)
|
||||
];
|
||||
}
|
||||
|
||||
$answer["description"] = $text;
|
||||
}
|
||||
}else{
|
||||
|
||||
|
@ -1481,8 +1498,7 @@ class brave{
|
|||
|
||||
if(count($description) !== 0){
|
||||
|
||||
$description =
|
||||
[
|
||||
$answer["description"][] =
|
||||
[
|
||||
"type" => "text",
|
||||
"value" =>
|
||||
|
@ -1496,7 +1512,6 @@ class brave{
|
|||
)
|
||||
)
|
||||
)
|
||||
]
|
||||
];
|
||||
|
||||
$ratings =
|
||||
|
@ -1514,7 +1529,7 @@ class brave{
|
|||
"div"
|
||||
);
|
||||
|
||||
$description[] = [
|
||||
$answer["description"][] = [
|
||||
"type" => "title",
|
||||
"value" => "Ratings"
|
||||
];
|
||||
|
@ -1550,36 +1565,34 @@ class brave{
|
|||
)[0]
|
||||
);
|
||||
|
||||
$c = count($description) - 1;
|
||||
$c = count($answer["description"]) - 1;
|
||||
|
||||
if(
|
||||
$c !== -1 &&
|
||||
$description[$c]["type"] == "text"
|
||||
$answer["description"][$c]["type"] == "text"
|
||||
){
|
||||
|
||||
$description[$c]["value"] .= $num . " ";
|
||||
$answer["description"][$c]["value"] .= $num . " ";
|
||||
}else{
|
||||
|
||||
$description[] = [
|
||||
$answer["description"][] = [
|
||||
"type" => "text",
|
||||
"value" => $num . " "
|
||||
];
|
||||
}
|
||||
|
||||
$description[] = [
|
||||
$answer["description"][] = [
|
||||
"type" => "link",
|
||||
"value" => $this->fuckhtml->getTextContent($href),
|
||||
"url" => $this->fuckhtml->getTextContent($href["attributes"]["href"])
|
||||
];
|
||||
|
||||
$description[] = [
|
||||
$answer["description"][] = [
|
||||
"type" => "text",
|
||||
"value" => " (" . $votes . ")\n"
|
||||
];
|
||||
}
|
||||
}
|
||||
|
||||
$answer["description"] = $description;
|
||||
}
|
||||
}
|
||||
|
||||
|
|
|
@ -228,16 +228,16 @@ class facebook{
|
|||
)
|
||||
);
|
||||
}
|
||||
|
||||
/*
|
||||
$html =
|
||||
$this->get(
|
||||
"https://www.facebook.com/watch/search/",
|
||||
$req
|
||||
);
|
||||
/*
|
||||
);*/
|
||||
|
||||
$handle = fopen("scraper/facebook.html", "r");
|
||||
$html = fread($handle, filesize("scraper/facebook.html"));
|
||||
fclose($handle);*/
|
||||
fclose($handle);
|
||||
|
||||
preg_match_all(
|
||||
'/({"__bbox":.*,"sequence_number":0}})\]\]/',
|
||||
|
|
|
@ -824,8 +824,6 @@ class google{
|
|||
$html = fread($handle, filesize("scraper/google.html"));
|
||||
fclose($handle);
|
||||
|
||||
$this->fuckhtml->load($html);
|
||||
|
||||
$out = [
|
||||
"status" => "ok",
|
||||
"spelling" => [
|
||||
|
@ -841,6 +839,507 @@ class google{
|
|||
"news" => [],
|
||||
"related" => []
|
||||
];
|
||||
|
||||
$this->parsejavascript($html);
|
||||
|
||||
$containers =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
$this->findstyles(
|
||||
[
|
||||
"background-color" => "#fff",
|
||||
"margin-bottom" => "10px",
|
||||
"-webkit-box-shadow" => "0 1px 6px rgba(32,33,36,0.28)",
|
||||
"border-radius" => "8px"
|
||||
],
|
||||
self::is_class
|
||||
),
|
||||
"div"
|
||||
);
|
||||
|
||||
foreach($containers as $container){
|
||||
|
||||
$this->fuckhtml->load($container);
|
||||
|
||||
$title =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
$this->findstyles(
|
||||
[
|
||||
"color" => "#1967d2",
|
||||
"font-size" => "20px",
|
||||
"line-height" => "26px"
|
||||
],
|
||||
self::is_class
|
||||
),
|
||||
"div"
|
||||
);
|
||||
|
||||
if(count($title) !== 0){
|
||||
|
||||
/*
|
||||
Container is a web link
|
||||
*/
|
||||
$web = [
|
||||
"title" =>
|
||||
$this->titledots(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$title[0]
|
||||
)
|
||||
),
|
||||
"description" => null,
|
||||
"url" =>
|
||||
$this->decodeurl(
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName("a")
|
||||
[0]
|
||||
["attributes"]
|
||||
["href"]
|
||||
),
|
||||
"date" => null,
|
||||
"type" => "web",
|
||||
"thumb" => [
|
||||
"url" => null,
|
||||
"ratio" => null
|
||||
],
|
||||
"sublink" => [],
|
||||
"table" => []
|
||||
];
|
||||
|
||||
$container = $container["innerHTML"];
|
||||
|
||||
$description_container =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
$this->findstyles(
|
||||
[
|
||||
"padding" => "12px 16px 12px"
|
||||
],
|
||||
self::is_class
|
||||
),
|
||||
"div"
|
||||
)[1];
|
||||
|
||||
$description =
|
||||
$description_container["innerHTML"];
|
||||
|
||||
// get sublinks
|
||||
$this->fuckhtml->load($description);
|
||||
|
||||
$links =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName("a");
|
||||
|
||||
$skip = true;
|
||||
foreach($links as $link){
|
||||
|
||||
$description =
|
||||
str_replace(
|
||||
$link["outerHTML"],
|
||||
"",
|
||||
$description
|
||||
);
|
||||
|
||||
if($skip){
|
||||
|
||||
$skip = false;
|
||||
continue;
|
||||
}
|
||||
|
||||
$sublink = [
|
||||
"title" => null,
|
||||
"description" => null,
|
||||
"url" => null,
|
||||
"date" => null
|
||||
];
|
||||
|
||||
$sublink["title"] =
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$link
|
||||
);
|
||||
|
||||
$sublink["url"] =
|
||||
$this->decodeurl(
|
||||
$link
|
||||
["attributes"]
|
||||
["href"]
|
||||
);
|
||||
|
||||
$web["sublink"][] = $sublink;
|
||||
}
|
||||
|
||||
// get thumbnail before we call loadhtml again
|
||||
$img =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName("img");
|
||||
|
||||
if(count($img) !== 0){
|
||||
|
||||
if(
|
||||
isset($img[0]["attributes"]["alt"]) &&
|
||||
stripos($img[0]["attributes"]["alt"], "Video for") !== false
|
||||
){
|
||||
|
||||
// is a video thumbnail
|
||||
$web["thumb"]["ratio"] = "16:9";
|
||||
}else{
|
||||
|
||||
// is a google thumbnail
|
||||
$web["thumb"]["ratio"] = "1:1";
|
||||
}
|
||||
|
||||
$web["thumb"]["url"] =
|
||||
$this->getimage(
|
||||
$img[0]["attributes"]["id"]
|
||||
);
|
||||
}
|
||||
|
||||
// get table elements
|
||||
$this->fuckhtml->load($description);
|
||||
|
||||
$levels =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
$this->findstyles(
|
||||
[
|
||||
"padding-bottom" => "8px"
|
||||
],
|
||||
self::is_class
|
||||
),
|
||||
"div"
|
||||
);
|
||||
|
||||
$additional_info = [];
|
||||
foreach($levels as $level){
|
||||
|
||||
$this->fuckhtml->load($level);
|
||||
|
||||
$spans =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"span"
|
||||
);
|
||||
|
||||
$is_rating = -2;
|
||||
|
||||
foreach($spans as $span){
|
||||
|
||||
// clean up description
|
||||
$description =
|
||||
str_replace(
|
||||
$span["outerHTML"],
|
||||
"",
|
||||
$description
|
||||
);
|
||||
|
||||
$innertext =
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$span
|
||||
);
|
||||
|
||||
if($innertext == ""){ continue; }
|
||||
|
||||
if(
|
||||
strtolower($innertext)
|
||||
== "rating"
|
||||
){
|
||||
|
||||
$is_rating = -1;
|
||||
continue;
|
||||
}
|
||||
|
||||
/*
|
||||
Parse rating object
|
||||
*/
|
||||
|
||||
if($is_rating >= -1){
|
||||
|
||||
if($span["level"] !== 1){ continue; }
|
||||
|
||||
$is_rating++;
|
||||
|
||||
// 10/10 (123)
|
||||
if($is_rating === 0){
|
||||
|
||||
$innertext = explode(" ", $innertext, 2);
|
||||
|
||||
$web["table"]["Rating"] = $innertext[0];
|
||||
$web["table"]["Hits"] =
|
||||
trim(
|
||||
str_replace(
|
||||
[
|
||||
"(",
|
||||
")"
|
||||
],
|
||||
"",
|
||||
$innertext[1]
|
||||
)
|
||||
);
|
||||
continue;
|
||||
}
|
||||
|
||||
// US$4.99
|
||||
// MYR 50.00
|
||||
// $38.34
|
||||
// JP¥6,480
|
||||
if($is_rating === 2){
|
||||
|
||||
$web["table"]["Price"] = $innertext;
|
||||
continue;
|
||||
}
|
||||
|
||||
// Android / In stock
|
||||
if($is_rating === 4){
|
||||
|
||||
$web["table"]["Support"] = $innertext;
|
||||
continue;
|
||||
}
|
||||
|
||||
// ignore the rest
|
||||
continue;
|
||||
}
|
||||
|
||||
/*
|
||||
Parse standalone text
|
||||
*/
|
||||
$additional_info[] = $innertext;
|
||||
}
|
||||
}
|
||||
|
||||
for($i=0; $i<count($additional_info); $i++){
|
||||
|
||||
// @TODO
|
||||
// generate better node names
|
||||
$web["table"]["Info node #$i"] = $additional_info[$i];
|
||||
}
|
||||
|
||||
$this->fuckhtml->load($description);
|
||||
|
||||
// get date node
|
||||
$span =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"span"
|
||||
);
|
||||
|
||||
if(count($span) !== 0){
|
||||
|
||||
$description =
|
||||
str_replace(
|
||||
$span[0]["outerHTML"],
|
||||
"",
|
||||
$description
|
||||
);
|
||||
|
||||
$span =
|
||||
strtotime(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$span[0]
|
||||
)
|
||||
);
|
||||
|
||||
if($span){
|
||||
|
||||
$web["date"] = $span;
|
||||
}
|
||||
}
|
||||
|
||||
$web["description"] =
|
||||
trim(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$description
|
||||
),
|
||||
" ·."
|
||||
);
|
||||
|
||||
$out["web"][] = $web;
|
||||
|
||||
continue;
|
||||
}
|
||||
|
||||
// check for container title header
|
||||
$container_title =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
$this->findstyles(
|
||||
[
|
||||
"font-weight" => "bold",
|
||||
"font-size" => "16px",
|
||||
"color" => "#000",
|
||||
"margin" => "0",
|
||||
"padding" => "12px 16px 0 16px"
|
||||
],
|
||||
self::is_class
|
||||
),
|
||||
"div"
|
||||
);
|
||||
|
||||
if(count($container_title) !== 0){
|
||||
|
||||
$container_title =
|
||||
strtolower(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$container_title[0]
|
||||
)
|
||||
);
|
||||
|
||||
if(
|
||||
$container_title == "related searches" ||
|
||||
$container_title == "people also search for"
|
||||
){
|
||||
|
||||
/*
|
||||
Parse related searches
|
||||
*/
|
||||
$as =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName("a");
|
||||
|
||||
foreach($as as $a){
|
||||
|
||||
$out["related"][] =
|
||||
$this->fuckhtml
|
||||
->getTextContent($a);
|
||||
}
|
||||
}
|
||||
|
||||
continue;
|
||||
}
|
||||
|
||||
/*
|
||||
Parse image carousel
|
||||
*/
|
||||
$title_container =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
$this->findstyles(
|
||||
[
|
||||
"padding" => "12px 16px 12px"
|
||||
],
|
||||
self::is_class
|
||||
),
|
||||
"div"
|
||||
);
|
||||
|
||||
if(count($title_container) !== 0){
|
||||
|
||||
$title_container =
|
||||
strtolower(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$title_container[0]
|
||||
)
|
||||
);
|
||||
|
||||
if($title_container == "imagesview all"){
|
||||
|
||||
/*
|
||||
Image carousel
|
||||
*/
|
||||
$pcitem =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"pcitem",
|
||||
"div"
|
||||
);
|
||||
|
||||
foreach($pcitem as $item){
|
||||
|
||||
$this->fuckhtml->load($item);
|
||||
|
||||
$link =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"a"
|
||||
)[0];
|
||||
|
||||
parse_str(
|
||||
parse_url(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$link
|
||||
["attributes"]
|
||||
["href"]
|
||||
),
|
||||
PHP_URL_QUERY
|
||||
),
|
||||
$link
|
||||
);
|
||||
|
||||
if(isset($link["tbm"])){
|
||||
|
||||
continue;
|
||||
}
|
||||
|
||||
$image =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName("img")[0];
|
||||
|
||||
$title =
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$image
|
||||
["attributes"]
|
||||
["alt"]
|
||||
);
|
||||
|
||||
$image =
|
||||
$this->getimage(
|
||||
$image
|
||||
["attributes"]
|
||||
["id"]
|
||||
);
|
||||
|
||||
$out["image"][] = [
|
||||
"title" => $title,
|
||||
"source" => [
|
||||
[
|
||||
"url" => $link["imgurl"],
|
||||
"width" => (int)$link["w"],
|
||||
"height" => (int)$link["h"]
|
||||
],
|
||||
[
|
||||
"url" => $image,
|
||||
"width" => (int)$link["tbnw"],
|
||||
"height" => (int)$link["tbnh"]
|
||||
]
|
||||
],
|
||||
"url" => $link["imgrefurl"]
|
||||
];
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
/*
|
||||
Get next page
|
||||
*/
|
||||
$as =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName("a");
|
||||
|
||||
foreach($as as $a){
|
||||
|
||||
if(
|
||||
isset($a["attributes"]["aria-label"]) &&
|
||||
strtolower($a["attributes"]["aria-label"]) == "next page"
|
||||
){
|
||||
|
||||
$out["npt"] =
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$a["attributes"]["href"]
|
||||
);
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
return $out;
|
||||
}
|
||||
|
||||
|
||||
|
@ -1163,7 +1662,7 @@ class google{
|
|||
return $time;
|
||||
}
|
||||
|
||||
private function loadjavascriptcrap($html){
|
||||
private function parsejavascript($html){
|
||||
|
||||
$this->fuckhtml->load($html);
|
||||
|
||||
|
|
|
@ -18,8 +18,6 @@ class yandex{
|
|||
|
||||
$curlproc = curl_init();
|
||||
|
||||
$search = $get["text"];
|
||||
|
||||
if($get !== []){
|
||||
$get = http_build_query($get);
|
||||
$url .= "?" . $get;
|
||||
|
@ -40,7 +38,7 @@ class yandex{
|
|||
"Accept-Language: en-US,en;q=0.5",
|
||||
"DNT: 1",
|
||||
"Cookie: yp=1716337604.sp.family%3A{$nsfw}#1685406411.szm.1:1920x1080:1920x999",
|
||||
"Referer: https://yandex.com/images/search?text={$search}",
|
||||
"Referer: https://yandex.com/images/search",
|
||||
"Connection: keep-alive",
|
||||
"Upgrade-Insecure-Requests: 1",
|
||||
"Sec-Fetch-Dest: document",
|
||||
|
@ -72,6 +70,35 @@ class yandex{
|
|||
|
||||
switch($pagetype){
|
||||
|
||||
case "web":
|
||||
return [
|
||||
"lang" => [
|
||||
"display" => "Language",
|
||||
"option" => [
|
||||
"any" => "Any language",
|
||||
"en" => "English",
|
||||
"ru" => "Russian",
|
||||
"be" => "Belorussian",
|
||||
"fr" => "French",
|
||||
"de" => "German",
|
||||
"id" => "Indonesian",
|
||||
"kk" => "Kazakh",
|
||||
"tt" => "Tatar",
|
||||
"tr" => "Turkish",
|
||||
"uk" => "Ukrainian"
|
||||
]
|
||||
],
|
||||
"newer" => [
|
||||
"display" => "Newer than",
|
||||
"option" => "_DATE"
|
||||
],
|
||||
"older" => [
|
||||
"display" => "Older than",
|
||||
"option" => "_DATE"
|
||||
]
|
||||
];
|
||||
break;
|
||||
|
||||
case "images":
|
||||
return
|
||||
[
|
||||
|
@ -149,12 +176,214 @@ class yandex{
|
|||
];
|
||||
break;
|
||||
|
||||
default:
|
||||
return [];
|
||||
case "videos":
|
||||
return [
|
||||
"nsfw" => [
|
||||
"display" => "NSFW",
|
||||
"option" => [
|
||||
"yes" => "Yes",
|
||||
"maybe" => "Maybe",
|
||||
"no" => "No"
|
||||
]
|
||||
],
|
||||
"time" => [
|
||||
"display" => "Time posted",
|
||||
"option" => [
|
||||
"any" => "Any time",
|
||||
"9" => "Recently"
|
||||
]
|
||||
],
|
||||
"duration" => [
|
||||
"display" => "Duration",
|
||||
"option" => [
|
||||
"any" => "Any duration",
|
||||
"short" => "Short"
|
||||
]
|
||||
]
|
||||
];
|
||||
break;
|
||||
}
|
||||
}
|
||||
|
||||
public function web($get){
|
||||
|
||||
// has captcha
|
||||
// https://yandex.com/search/touch/?text=lol&app_platform=android&appsearch_header=1&ui=webmobileapp.yandex&app_version=23070603&app_id=ru.yandex.searchplugin&search_source=yandexcom_touch_native&clid=2218567
|
||||
|
||||
// https://yandex.com/search/site/?text=minecraft&web=1&frame=1&v=2.0&searchid=3131712
|
||||
// &within=777&from_day=26&from_month=8&from_year=2023&to_day=26&to_month=8&to_year=2023
|
||||
|
||||
if($get["npt"]){
|
||||
|
||||
$npt = $this->nextpage->get($get["npt"], "web");
|
||||
|
||||
$html =
|
||||
$this->get(
|
||||
"https://yandex.com" . $npt,
|
||||
[],
|
||||
"yes"
|
||||
);
|
||||
}else{
|
||||
|
||||
$search = $get["s"];
|
||||
$lang = $get["lang"];
|
||||
$older = $get["older"];
|
||||
$newer = $get["newer"];
|
||||
|
||||
$params = [
|
||||
"text" => $search,
|
||||
"web" => "1",
|
||||
"frame" => "1",
|
||||
"searchid" => "3131712"
|
||||
];
|
||||
|
||||
if($lang != "any"){
|
||||
|
||||
$params["lang"] = $lang;
|
||||
}
|
||||
|
||||
if(
|
||||
$newer === false &&
|
||||
$older !== false
|
||||
){
|
||||
|
||||
$newer = 0;
|
||||
}
|
||||
|
||||
if($newer !== false){
|
||||
|
||||
$params["from_day"] = date("j", $newer);
|
||||
$params["from_month"] = date("n", $newer);
|
||||
$params["from_year"] = date("Y", $newer);
|
||||
|
||||
if($older === false){
|
||||
|
||||
$older = time();
|
||||
}
|
||||
|
||||
$params["to_day"] = date("j", $older);
|
||||
$params["to_month"] = date("n", $older);
|
||||
$params["to_year"] = date("Y", $older);
|
||||
}
|
||||
|
||||
try{
|
||||
$html =
|
||||
$this->get(
|
||||
"https://yandex.com/search/site/",
|
||||
$params,
|
||||
"yes"
|
||||
);
|
||||
}catch(Exception $error){
|
||||
|
||||
throw new Exception("Could not get search page");
|
||||
}
|
||||
|
||||
/*
|
||||
$handle = fopen("scraper/yandex.html", "r");
|
||||
$html = fread($handle, filesize("scraper/yandex.html"));
|
||||
fclose($handle);*/
|
||||
}
|
||||
|
||||
$out = [
|
||||
"status" => "ok",
|
||||
"spelling" => [
|
||||
"type" => "no_correction",
|
||||
"using" => null,
|
||||
"correction" => null
|
||||
],
|
||||
"npt" => null,
|
||||
"answer" => [],
|
||||
"web" => [],
|
||||
"image" => [],
|
||||
"video" => [],
|
||||
"news" => [],
|
||||
"related" => []
|
||||
];
|
||||
|
||||
$this->fuckhtml->load($html);
|
||||
|
||||
// get nextpage
|
||||
$npt =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"b-pager__next",
|
||||
"a"
|
||||
);
|
||||
|
||||
if(count($npt) !== 0){
|
||||
|
||||
$out["npt"] =
|
||||
$this->nextpage->store(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$npt
|
||||
[0]
|
||||
["attributes"]
|
||||
["href"]
|
||||
),
|
||||
"web"
|
||||
);
|
||||
}
|
||||
|
||||
// get items
|
||||
$items =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"b-serp-item",
|
||||
"li"
|
||||
);
|
||||
|
||||
foreach($items as $item){
|
||||
|
||||
$this->fuckhtml->load($item);
|
||||
|
||||
$link =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"b-serp-item__title-link",
|
||||
"a"
|
||||
)[0];
|
||||
|
||||
$out["web"][] = [
|
||||
"title" =>
|
||||
$this->titledots(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$link
|
||||
)
|
||||
),
|
||||
"description" =>
|
||||
$this->titledots(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"b-serp-item__text",
|
||||
"div"
|
||||
)[0]
|
||||
)
|
||||
),
|
||||
"url" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$link
|
||||
["attributes"]
|
||||
["href"]
|
||||
),
|
||||
"date" => null,
|
||||
"type" => "web",
|
||||
"thumb" => [
|
||||
"url" => null,
|
||||
"ratio" => null
|
||||
],
|
||||
"sublink" => [],
|
||||
"table" => []
|
||||
];
|
||||
}
|
||||
|
||||
return $out;
|
||||
}
|
||||
|
||||
public function image($get){
|
||||
|
||||
if($get["npt"]){
|
||||
|
@ -402,7 +631,7 @@ class yandex{
|
|||
$json["type"] == "captcha"
|
||||
){
|
||||
|
||||
throw new Exception("Yandex blocked this 4get instance. Yandex blocks don't last very long, but the block timer gets reset everytime you make another unsuccessful request. Please try again in ~7 minutes.");
|
||||
throw new Exception("Yandex blocked this 4get instance. Please try again in ~7 minutes.");
|
||||
}
|
||||
|
||||
if($json === null){
|
||||
|
@ -513,6 +742,359 @@ class yandex{
|
|||
return $out;
|
||||
}
|
||||
|
||||
public function video($get){
|
||||
|
||||
if($get["npt"]){
|
||||
|
||||
$params =
|
||||
json_decode(
|
||||
$this->nextpage->get(
|
||||
$get["npt"],
|
||||
"web"
|
||||
),
|
||||
true
|
||||
);
|
||||
|
||||
$nsfw = $params["nsfw"];
|
||||
unset($params["nsfw"]);
|
||||
}else{
|
||||
$search = $get["s"];
|
||||
$nsfw = $get["nsfw"];
|
||||
$time = $get["time"];
|
||||
$duration = $get["duration"];
|
||||
|
||||
// https://yandex.com/video/search
|
||||
// ?tmpl_version=releases/frontend/video/v1.1168.0#8d942de0f4ebc4eb6b8f3c24ffbd1f8dbc5bbe63
|
||||
// &format=json
|
||||
// &request=
|
||||
// {
|
||||
// "blocks":[
|
||||
// {"block":"extra-content","params":{},"version":2},
|
||||
// {"block":"i-global__params:ajax","params":{},"version":2},
|
||||
// {"block":"search2:ajax","params":{},"version":2},
|
||||
// {"block":"vital-incut","params":{},"version":2},
|
||||
// {"block":"content_type_search","params":{},"version":2},
|
||||
// {"block":"serp-controller","params":{},"version":2},
|
||||
// {"block":"cookies_ajax","params":{},"version":2}
|
||||
// ],
|
||||
// "metadata":{
|
||||
// "bundles":{"lb":"^G]!q<X120"},
|
||||
// "assets":{"las":"react-with-dom=1;185.0=1;73.0=1;145.0=1;5a502a.0=1;32c342.0=1;b84ac8.0=1"},
|
||||
// "extraContent":{"names":["i-react-ajax-adapter"]}
|
||||
// }
|
||||
// }
|
||||
// &yu=4861394161661655015
|
||||
// &from=tabbar
|
||||
// &reqid=1693106278500184-6825210746979814879-balancer-l7leveler-kubr-yp-sas-7-BAL-4237
|
||||
// &suggest_reqid=486139416166165501562797413447032
|
||||
// &text=minecraft
|
||||
|
||||
$params = [
|
||||
"tmpl_version" => "releases/frontend/video/v1.1168.0#8d942de0f4ebc4eb6b8f3c24ffbd1f8dbc5bbe63",
|
||||
"format" => "json",
|
||||
"request" => json_encode([
|
||||
"blocks" => [
|
||||
(object)[
|
||||
"block" => "extra-content",
|
||||
"params" => (object)[],
|
||||
"version" => 2
|
||||
],
|
||||
(object)[
|
||||
"block" => "i-global__params:ajax",
|
||||
"params" => (object)[],
|
||||
"version" => 2
|
||||
],
|
||||
(object)[
|
||||
"block" => "search2:ajax",
|
||||
"params" => (object)[],
|
||||
"version" => 2
|
||||
],
|
||||
(object)[
|
||||
"block" => "vital-incut",
|
||||
"params" => (object)[],
|
||||
"version" => 2
|
||||
],
|
||||
(object)[
|
||||
"block" => "content_type_search",
|
||||
"params" => (object)[],
|
||||
"version" => 2
|
||||
],
|
||||
(object)[
|
||||
"block" => "serp-controller",
|
||||
"params" => (object)[],
|
||||
"version" => 2
|
||||
],
|
||||
(object)[
|
||||
"block" => "cookies_ajax",
|
||||
"params" => (object)[],
|
||||
"version" => 2
|
||||
]
|
||||
],
|
||||
"metadata" => (object)[
|
||||
"bundles" => (object)[
|
||||
"lb" => "^G]!q<X120"
|
||||
],
|
||||
"assets" => (object)[
|
||||
"las" => "react-with-dom=1;185.0=1;73.0=1;145.0=1;5a502a.0=1;32c342.0=1;b84ac8.0=1"
|
||||
],
|
||||
"extraContent" => (object)[
|
||||
"names" => [
|
||||
"i-react-ajax-adapter"
|
||||
]
|
||||
]
|
||||
]
|
||||
]),
|
||||
"text" => $search
|
||||
];
|
||||
|
||||
if($duration != "any"){
|
||||
|
||||
$params["duration"] = $duration;
|
||||
}
|
||||
|
||||
if($time != "any"){
|
||||
|
||||
$params["within"] = $time;
|
||||
}
|
||||
}
|
||||
/*
|
||||
$handle = fopen("scraper/yandex-video.json", "r");
|
||||
$json = fread($handle, filesize("scraper/yandex-video.json"));
|
||||
fclose($handle);
|
||||
*/
|
||||
try{
|
||||
$json =
|
||||
$this->get(
|
||||
"https://yandex.com/video/search",
|
||||
$params,
|
||||
$nsfw
|
||||
);
|
||||
}catch(Exception $error){
|
||||
|
||||
throw new Exception("Could not fetch JSON");
|
||||
}
|
||||
|
||||
$json = json_decode($json, true);
|
||||
|
||||
if($json === null){
|
||||
|
||||
throw new Exception("Could not parse JSON");
|
||||
}
|
||||
|
||||
if(!isset($json["blocks"])){
|
||||
|
||||
throw new Exception("Yandex blocked this 4get instance. Please try again in 7~ minutes.");
|
||||
}
|
||||
|
||||
$out = [
|
||||
"status" => "ok",
|
||||
"npt" => null,
|
||||
"video" => [],
|
||||
"author" => [],
|
||||
"livestream" => [],
|
||||
"playlist" => [],
|
||||
"reel" => []
|
||||
];
|
||||
|
||||
$html = null;
|
||||
foreach($json["blocks"] as $block){
|
||||
|
||||
if(isset($block["html"])){
|
||||
|
||||
$html .= $block["html"];
|
||||
}
|
||||
}
|
||||
|
||||
$this->fuckhtml->load($html);
|
||||
|
||||
$div =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName("div");
|
||||
|
||||
/*
|
||||
Get nextpage
|
||||
*/
|
||||
$npt =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"more more_direction_next i-bem",
|
||||
$div
|
||||
);
|
||||
|
||||
if(count($npt) !== 0){
|
||||
|
||||
$params["p"] = "1";
|
||||
$params["nsfw"] = $nsfw;
|
||||
$out["npt"] =
|
||||
$this->nextpage->store(
|
||||
json_encode($params),
|
||||
"web"
|
||||
);
|
||||
}
|
||||
|
||||
$items =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"serp-item",
|
||||
$div
|
||||
);
|
||||
|
||||
foreach($items as $item){
|
||||
|
||||
$data =
|
||||
json_decode(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$item["attributes"]["data-video"]
|
||||
),
|
||||
true
|
||||
);
|
||||
|
||||
$this->fuckhtml->load($item);
|
||||
|
||||
$thumb =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"thumb-image__image",
|
||||
"img"
|
||||
);
|
||||
|
||||
if(count($thumb) === 0){
|
||||
|
||||
$thumb = [
|
||||
"url" => null,
|
||||
"ratio" => null
|
||||
];
|
||||
}else{
|
||||
|
||||
$c = 1;
|
||||
$thumb = [
|
||||
"url" =>
|
||||
str_replace(
|
||||
"//",
|
||||
"https://",
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$thumb
|
||||
[0]
|
||||
["attributes"]
|
||||
["src"]
|
||||
),
|
||||
$c
|
||||
),
|
||||
"ratio" => "16:9"
|
||||
];
|
||||
}
|
||||
|
||||
$smallinfos =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"serp-item__sitelinks-item",
|
||||
"div"
|
||||
);
|
||||
|
||||
$date = null;
|
||||
$views = null;
|
||||
$first = true;
|
||||
|
||||
foreach($smallinfos as $info){
|
||||
|
||||
if($first){
|
||||
|
||||
$first = false;
|
||||
continue;
|
||||
}
|
||||
|
||||
$info =
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$info
|
||||
);
|
||||
|
||||
if($temp_date = strtotime($info)){
|
||||
|
||||
$date = $temp_date;
|
||||
}else{
|
||||
|
||||
$views = $this->parseviews($info);
|
||||
}
|
||||
}
|
||||
|
||||
$description =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"serp-item__text serp-item__text_visibleText_always",
|
||||
"div"
|
||||
);
|
||||
|
||||
if(count($description) === 0){
|
||||
|
||||
$description = null;
|
||||
}else{
|
||||
|
||||
$description =
|
||||
$this->titledots(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$description[0]
|
||||
)
|
||||
);
|
||||
}
|
||||
|
||||
$out["video"][] = [
|
||||
"title" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$this->titledots(
|
||||
$data["title"]
|
||||
)
|
||||
),
|
||||
"description" => $description,
|
||||
"author" => [
|
||||
"name" => null,
|
||||
"url" => null,
|
||||
"avatar" => null
|
||||
],
|
||||
"date" => $date,
|
||||
"duration" =>
|
||||
(int)$data
|
||||
["counters"]
|
||||
["toHostingLoaded"]
|
||||
["stredParams"]
|
||||
["duration"],
|
||||
"views" => $views,
|
||||
"thumb" => $thumb,
|
||||
"url" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$data["counters"]
|
||||
["toHostingLoaded"]
|
||||
["postfix"]
|
||||
["href"]
|
||||
)
|
||||
];
|
||||
}
|
||||
|
||||
return $out;
|
||||
}
|
||||
|
||||
private function parseviews($text){
|
||||
|
||||
$text = explode(" ", $text);
|
||||
|
||||
$num = (float)$text[0];
|
||||
$mod = $text[1];
|
||||
|
||||
switch($mod){
|
||||
|
||||
case "bln.": $num = $num * 1000000000; break;
|
||||
case "mln.": $num = $num * 1000000; break;
|
||||
case "thsd.": $num = $num * 1000; break;
|
||||
}
|
||||
|
||||
return $num;
|
||||
}
|
||||
|
||||
private function titledots($title){
|
||||
|
||||
$substr = substr($title, -3);
|
||||
|
|
16
settings.php
16
settings.php
|
@ -70,6 +70,10 @@ $settings = [
|
|||
"value" => "brave",
|
||||
"text" => "Brave"
|
||||
],
|
||||
[
|
||||
"value" => "yandex",
|
||||
"text" => "Yandex"
|
||||
],
|
||||
/*[
|
||||
"value" => "google",
|
||||
"text" => "Google"
|
||||
|
@ -118,10 +122,6 @@ $settings = [
|
|||
"value" => "yt",
|
||||
"text" => "YouTube"
|
||||
],
|
||||
[
|
||||
"value" => "fb",
|
||||
"text" => "Facebook videos"
|
||||
],
|
||||
[
|
||||
"value" => "ddg",
|
||||
"text" => "DuckDuckGo"
|
||||
|
@ -129,6 +129,10 @@ $settings = [
|
|||
[
|
||||
"value" => "brave",
|
||||
"text" => "Brave"
|
||||
],
|
||||
[
|
||||
"value" => "yandex",
|
||||
"text" => "Yandex"
|
||||
]/*,
|
||||
[
|
||||
"value" => "google",
|
||||
|
@ -147,8 +151,8 @@ $settings = [
|
|||
[
|
||||
"value" => "brave",
|
||||
"text" => "Brave"
|
||||
],/*
|
||||
[
|
||||
],
|
||||
/*[
|
||||
"value" => "google",
|
||||
"text" => "Google"
|
||||
],*/
|
||||
|
|
Loading…
Reference in New Issue