quotesite/PolitBashOrgGrabber.pm

   1 # (c) 2007 by Ralf Ertzinger <ralf@camperquake.de>
   2 # licensed under GNU GPL v2
   3 #
   4 # Grabber for polit-bash.org
   5
   6 package PolitBashOrgGrabber;
   7
   8 use GrabberBase;
   9 @ISA = qw(GrabberBase);
  10
  11 use LWP::Simple qw(!get);
  12 use HTML::TokeParser;
  13 use Data::Dumper;
  14 use Encode;
  15
  16 use strict;
  17
  18 sub new {
  19     my $class = shift;
  20     my $self = $class->SUPER::new();
  21
  22     $self->{'NAME'} = 'polit-bash.org';
  23     $self->{'PATTERNS'} = ['(http://(?:[-a-zA-Z0-9_.]+\.)*polit-bash\.org/\?(\d+))'];
  24
  25     bless($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     my $t2;
  40
  41     $url =~ m|$pattern|;
  42     $url = $1;
  43
  44     $metadata->{'URL'} = $url;
  45     $metadata->{'ID'} = $2;
  46     $metadata->{'TYPE'} = 'quote';
  47     $metadata->{'SOURCE'} = $self->{'NAME'};
  48     $metadata->{'CONTENT'} = undef;
  49
  50     # Get the HTML file containing the quote
  51     unless(defined($content = LWP::Simple::get(sprintf('http://polit-bash.org/?%s', $2)))) {
  52         $self->error('Could not download quote');
  53         return undef;
  54     }
  55     $content = decode("iso-8859-1", $content);
  56
  57     $p = HTML::TokeParser->new(\$content);
  58
  59     OUTER: while ($t = $p->get_tag('p')) {
  60         if (exists($t->[1]->{'class'}) && ($t->[1]->{'class'} eq 'quote')) {
  61             $self->debug("Found p");
  62             $metadata->{'CONTENT'} = $p->get_text('/p');
  63             last OUTER;
  64         }
  65     }
  66
  67     unless(defined($metadata->{'CONTENT'})) {
  68         $self->error('Could not extract quote content');
  69         return undef;
  70     }
  71
  72     $metadata->{'CONTENT'} = encode("utf-8", $metadata->{'CONTENT'});
  73
  74     return $metadata;
  75 }
  76
  77 1;