从网页或网站中抓取RSS地址的类

<?php

/**************
从网页或网站中抓取RSS地址的类
用法:

$RSS = new GetRssUrl;

配置抓取超时时间:

$RSS->timelimit = 60; //一分钟

抓取RSS:

$Link = $RSS->Get("blog.zoneker.com");
**************/

class GetRssUrl
{

 //public
 
 var $url;
 var $domin;
 var $file;
 var $link;
 var $rsslink;
 var $rssurl;
 var $validrssurl;
 var $timelimit;
 
 function Init()
 {
  set_time_limit($this->timelimit);   
 }
 
 function ProcessUrl()
 {
  //$this->url = $url;
  
  //判断传入地址是否具有HTTP标志
  if (!eregi ('(http://)|(HTTP://)', $this->url))
    {
     $this->url = "http://" . $this->url;
    }
  else
    {
     $this->url = str_replace("HTTP://", "http://", $this->url);
    }
             
    //取传入地址的完整域名
    eregi('http://[:./_0-9a-z/~/@/#/$/%/^/&/*/(/)/?/+/=/!/-]+/*', $this->url, $fileurl);
    //判断地址是否以"/"结尾
    if (eregi('/$', $fileurl[0]))
    {
     $this->domin = substr($fileurl[0], 0, -1);
    }
    else
    {
     $this->domin = $fileurl[0]; 
    }

 }
 
 function GetHtmlFile()
 {
  //抓取远程网页到内存
  $this->file = file_get_contents ($this->url);
 }
 
 function RssOrHtml()
 {
  //判断RSS地址是不是XML文档,如果是则停止判断返回地址
  if (eregi ('<rss',$this->file))
     {
      $this->rsslink[] = $this->url ;
       return $this->rsslink;
     }
     else
     {
       return 0; 
     } 
 }
 
 function GetValidLink()
 {
  //抓取所有合法URL
  $pattern="|href=['/"]?([^ '/"]+)['/" ]|U";
   preg_match_all($pattern,$this->file, $link, PREG_PATTERN_ORDER);
   $this->link = $link[1];
   $this->link = array_unique($this->link);//移除重复数据
  
   //重排数组
   for($i=0 ;$i < count($link[1]) ; $i++)
   {
    if($this->link[$i]!= '')
    {
     $this->link['tmp'][] = $this->link[$i];  
    } 
   }
   $this->link = $this->link['tmp']; 
 }
 
 function PregMatchUrl()
 {
  //从所有链接中过滤带有RSS标记的链接
  for($i =0 ;$i < count($this->link); $i++)
   {
    if(eregi ('(feed[s]*)|(rss)|(xml)' , $this->link[$i]))
    {
      $this->rsslink[]=$this->link[$i];
    }
   }
  //详细匹配链接，过滤RSS地址
  if($this->rsslink[0] == '')
  $this->rsslink = $this->link;
 
   foreach ($this->rsslink as $rsslink)
   {
    if (eregi ('([:.//_0-9a-z/~/@/#/$/%/^/&/*/(/)/?/+/=/!/-]+[/.]*[xmlrssfeed]{3,5})|([:.//_0-9a-z/~/@/#/$/%/^/&/*/(/)/?/+/=/!/-]+[/.]+[phpaspx]{3,4}[/?]*[:.//_0-9a-z/~/@/#/$/%/^/&/*/(/)/?/+/=/!/-]*)' , $rsslink))
     {
      if (eregi ('(^/)', $rsslink))
           {
             $rsslink = $this->domin. $rsslink;
            }
          if (!eregi ('/', $rsslink))
            {
             $rsslink = $this->domin. "/" . $rsslink;
            }
    
    $rsslink = strtolower($rsslink);
    $this->rssurl[] = $rsslink; 
     }
   }
   
   if($this->rssurl[0]!= '')
   {
    $count = $this->rssurl;
    $this->rssurl = array_unique($this->rssurl);
    
    //重排数组
     for($i=0 ;$i < count($count) ; $i++)
    {
      if($this->rssurl[$i]!= '')
      {
       $this->rssurl['tmp'][] = $this->rssurl[$i];  
      } 
     } 
   $this->rssurl = $this->rssurl['tmp']; 
  
    foreach ($this->rssurl as $rssurl)
   {
      @ $fp  = fopen($rssurl, "r");
      @ $content = fread ($fp, 2048);
      if (eregi ('<rss',$content))//判断RSS地址是不是XML文档
       {
       $this->validrssurl[] = $rssurl ;
      }
   }
   } 
  }
 
 function Get($url)
 {
  $this->url = $url;
  
  $this->Init();
  $this->ProcessUrl();
  $this->GetHtmlFile();
  $rss = $this->RssOrHtml();
  if(!$rss)
  {
   $this->GetValidLink();
   $this->PregMatchUrl();
  
   if($this->validrssurl[0]!='')
   return $this->validrssurl;
   else
   return false;
  }
  else
  return $rss;
 }
 
}
 
?>