quotesite/GermanBashGrabber.pm

   1 # (c) 2007 by Ralf Ertzinger <ralf@camperquake.de>
   2 # licensed under GNU GPL v2
   3 #
   4 # Grabber for german-bash.org
   5
   6 package GermanBashGrabber;
   7
   8 use GrabberBase;
   9 @ISA = qw(GrabberBase);
  10
  11 use LWP::Simple qw(!get);
  12 use HTML::TokeParser;
  13 use Data::Dumper;
  14
  15 use strict;
  16
  17 sub new {
  18     my $class = shift;
  19     my $self = $class->SUPER::new();
  20
  21     $self->{'NAME'} = 'germanbash';
  22     $self->{'PATTERNS'} = ['(http://(?:[-a-zA-Z0-9_.]+\.)*german-bash\.org/(\d+))',
  23                            '(http://(?:[-a-zA-Z0-9_.]+\.)*german-bash\.org/action/show/id/(\d+))'];
  24
  25     bless($self, $class);
  26     $self->_prepare_parameters();
  27
  28     return $self;
  29 }
  30
  31 sub _parse {
  32     my $self = shift;
  33     my $url = shift;
  34     my $pattern = shift;
  35     my $content;
  36     my $metadata = {};
  37     my $p;
  38     my $t;
  39
  40     $url =~ m|$pattern|;
  41     $url = $1;
  42
  43     $metadata->{'URL'} = $url;
  44     $metadata->{'ID'} = $2;
  45     $metadata->{'TYPE'} = 'quote';
  46     $metadata->{'SOURCE'} = $self->{'NAME'};
  47     $metadata->{'CONTENT'} = undef;
  48
  49     # Get the HTML file containing the quote
  50     unless(defined($content = LWP::Simple::get(sprintf('http://german-bash.org/%s', $2)))) {
  51         $self->error('Could not download quote');
  52         return undef;
  53     }
  54
  55     $p = HTML::TokeParser->new(\$content);
  56
  57     while ($t = $p->get_tag('div')) {
  58         if (exists($t->[1]->{'class'}) && ($t->[1]->{'class'} eq 'zitat')) {
  59             $metadata->{'CONTENT'} = $p->get_text('/div');
  60             $metadata->{'CONTENT'} =~ s/^\s*//mg;
  61         }
  62     }
  63
  64     unless(defined($metadata->{'CONTENT'})) {
  65         $self->error('Could not extract quote content');
  66         return undef;
  67     }
  68
  69     return $metadata;
  70 }
  71
  72 1;