{"id":233237,"date":"2023-02-09T15:47:00","date_gmt":"2023-02-09T12:47:00","guid":{"rendered":"https:\/\/wordpress.mediadoma.com\/?p=233237"},"modified":"2022-11-10T20:02:33","modified_gmt":"2022-11-10T17:02:33","slug":"estudio-de-caso-use-phpquery-para-rastrear-3000-imagenes-de-tumblr","status":"publish","type":"post","link":"https:\/\/wordpress.mediadoma.com\/es\/estudio-de-caso-use-phpquery-para-rastrear-3000-imagenes-de-tumblr\/","title":{"rendered":"Estudio de caso: use PHPQuery para rastrear 3000 im\u00e1genes de Tumblr"},"content":{"rendered":"

Hay algunas im\u00e1genes bonitas en Tumblr. Podemos usar las API de Tumblr para buscar y descargar im\u00e1genes; sin embargo, esto generalmente requiere el registro y las claves API. Otra forma es rastrear las p\u00e1ginas web HTML y analizar el DOM (Document Object Model)<\/a>, que nos permite recuperar las URL de las im\u00e1genes y sus descripciones.<\/p>\n

Hay una biblioteca \u00fatil que se llama PHPQuery. Nos permite escribir PHP<\/a> estilo JQuery de la misma manera que escribimos JQuery<\/a>, usando selectores CSS. Hace que PHP sea poderoso para analizar el DOM de cualquier p\u00e1gina HTML.<\/p>\n

phpquery<\/p>\n

El siguiente es un pseudoc\u00f3digo que ilustra c\u00f3mo analizar las p\u00e1ginas HTML<\/a> y capturar las im\u00e1genes.<\/p>\n

\u00a1Con PHPQuery, se vuelve mucho m\u00e1s f\u00e1cil analizar el DOM!<\/a> Haz clic para twittear<\/a><\/p>\n

require('phpQuery.php');\nrequire('app.php');\n\u00a0\n$ip = get_ip_address();\n\u00a0\nfunction grab($url, $lvl = 5) {\n\u00a0 global $ip;\n\u00a0 if ($lvl < = 0) {\n\u00a0 \u00a0 return;\n\u00a0 }\n\u00a0 $doc = phpQuery::newDocumentFile($url);\n\u00a0 foreach(pq('div.TumbPostPane') as $p) {\n\u00a0 \u00a0 \u00a0 $img = pq($p)->find('img.PhotoPostMainPhoto')->attr('src');\n\u00a0 \u00a0 \u00a0 $desc = htmlspecialchars(trim(pq($p)->find('div.MetaPanel')->html()));\n\u00a0 \u00a0 \u00a0 $url = pq($p)->find('a')->attr('href');\n\u00a0 \u00a0 \u00a0 $err = '';\n\u00a0 \u00a0 \u00a0 if (UploadPic($img, $desc, $err, $ip)) { \/\/ find pictures and save locally\n\u00a0 \u00a0 \u00a0 \u00a0 \u00a0echo \"OK = $err n\";\n\u00a0 \u00a0 \u00a0 } else {\n\u00a0 \u00a0 \u00a0 \u00a0 \u00a0echo str_replace(\"<br \/>\", \"n\", \"Error = $err n\");\n\u00a0 \u00a0 \u00a0 } \u00a0 \u00a0 \n\u00a0 \u00a0 \u00a0 grab($url, $lvl - 1); \/\/ recursive download\n\u00a0 }\n}\n\u00a0\ngrab(\"<a class=\"vglnk\" target=\"_blank\" href=\"https:\/\/uploadbeta.com\" rel=\"nofollow\"><span>https<\/span><span>:\/\/<\/span><span>uploadbeta<\/span><span>.<\/span><span>com<\/span><\/a>\", 1); <\/code><\/pre>\n
Con una peque\u00f1a modificaci\u00f3n, puede dejar que el script rastree varios miles de im\u00e1genes en unos pocos minutos. Todas las im\u00e1genes se guardan en bases de datos locales en el servidor VPS<\/a>. Las im\u00e1genes se pueden ver en: uploadbeta.com<\/a><\/p>\n
Es mejor establecer un intervalo de tiempo entre el rastreo de la p\u00e1gina, de lo contrario, la direcci\u00f3n IP<\/a> puede bloquearse.<\/p>\n
\"Estudio<\/a><\/p>\n
Rastreo de im\u00e1genes<\/p>\n
PD: el sitio web de carga de im\u00e1genes admite algunas API para diversos fines sujetos a la pol\u00edtica de uso justo: https:\/\/uploadbeta.com\/picture-gallery\/faq.php#api<\/a><\/p>\n
Fuente de grabaci\u00f3n:  helloacm.com<\/a><\/div><\/p>\n","protected":false},"excerpt":{"rendered":"
Estudio de caso: use PHPQuery para rastrear 3000 im\u00e1genes de Tumblr<\/p>\n","protected":false},"author":1,"featured_media":220869,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_wp_rev_ctl_limit":""},"categories":[892,892,914,1110,1015,914,800,800,1015,840,840],"tags":[1172],"class_list":{"0":"post-233237","1":"post","2":"type-post","3":"status-publish","4":"format-standard","5":"has-post-thumbnail","6":"hentry","7":"category-codigo","9":"category-otro","10":"category-n-a","11":"category-sitios-utiles","13":"category-php-2","16":"category-tutoriales","18":"tag-affiai-es"},"_links":{"self":[{"href":"https:\/\/wordpress.mediadoma.com\/es\/wp-json\/wp\/v2\/posts\/233237","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/wordpress.mediadoma.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/wordpress.mediadoma.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/wordpress.mediadoma.com\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/wordpress.mediadoma.com\/es\/wp-json\/wp\/v2\/comments?post=233237"}],"version-history":[{"count":0,"href":"https:\/\/wordpress.mediadoma.com\/es\/wp-json\/wp\/v2\/posts\/233237\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/wordpress.mediadoma.com\/es\/wp-json\/wp\/v2\/media\/220869"}],"wp:attachment":[{"href":"https:\/\/wordpress.mediadoma.com\/es\/wp-json\/wp\/v2\/media?parent=233237"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/wordpress.mediadoma.com\/es\/wp-json\/wp\/v2\/categories?post=233237"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/wordpress.mediadoma.com\/es\/wp-json\/wp\/v2\/tags?post=233237"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}