Support for page JSON-LD based page information
This commit is contained in:
parent
ddbe8730ed
commit
70bf75c342
|
@ -143,35 +143,54 @@ class OEmbed
|
||||||
DI::cache()->set($cache_key, $json_string, $cache_ttl);
|
DI::cache()->set($cache_key, $json_string, $cache_ttl);
|
||||||
}
|
}
|
||||||
|
|
||||||
if ($oembed->type == 'error') {
|
// Always embed the SSL version
|
||||||
|
if (!empty($oembed->html)) {
|
||||||
|
$oembed->html = str_replace(['http://www.youtube.com/', 'http://player.vimeo.com/'], ['https://www.youtube.com/', 'https://player.vimeo.com/'], $oembed->html);
|
||||||
|
}
|
||||||
|
|
||||||
|
// Improve the OEmbed data with data from OpenGraph, Twitter cards and other sources
|
||||||
|
$data = ParseUrl::getSiteinfoCached($embedurl, true, false);
|
||||||
|
if (($oembed->type == 'error') && empty($data['title']) && empty($data['text'])) {
|
||||||
return $oembed;
|
return $oembed;
|
||||||
}
|
}
|
||||||
|
|
||||||
// Always embed the SSL version
|
if ($no_rich_type || ($oembed->type == 'error')) {
|
||||||
$oembed->html = str_replace(['http://www.youtube.com/', 'http://player.vimeo.com/'], ['https://www.youtube.com/', 'https://player.vimeo.com/'], $oembed->html);
|
$oembed->html = '';
|
||||||
|
|
||||||
// If fetching information doesn't work, then improve via internal functions
|
|
||||||
if ($no_rich_type && ($oembed->type == 'rich')) {
|
|
||||||
$data = ParseUrl::getSiteinfoCached($embedurl, true, false);
|
|
||||||
$oembed->type = $data['type'];
|
$oembed->type = $data['type'];
|
||||||
|
|
||||||
if ($oembed->type == 'photo') {
|
if ($oembed->type == 'photo') {
|
||||||
$oembed->url = $data['url'];
|
$oembed->url = $data['url'];
|
||||||
}
|
}
|
||||||
|
}
|
||||||
|
|
||||||
if (isset($data['title'])) {
|
if (!empty($data['title']) && empty($oembed->title)) {
|
||||||
$oembed->title = $data['title'];
|
$oembed->title = $data['title'];
|
||||||
}
|
}
|
||||||
|
|
||||||
if (isset($data['text'])) {
|
if (!empty($data['text']) && empty($oembed->description)) {
|
||||||
$oembed->description = $data['text'];
|
$oembed->description = $data['text'];
|
||||||
}
|
}
|
||||||
|
|
||||||
if (!empty($data['images'])) {
|
if (!empty($data['publisher']) && empty($oembed->provider_name)) {
|
||||||
$oembed->thumbnail_url = $data['images'][0]['src'];
|
$oembed->provider_name = $data['publisher'];
|
||||||
$oembed->thumbnail_width = $data['images'][0]['width'];
|
}
|
||||||
$oembed->thumbnail_height = $data['images'][0]['height'];
|
|
||||||
}
|
if (!empty($data['publisher_url']) && empty($oembed->provider_url)) {
|
||||||
|
$oembed->provider_url = $data['publisher_url'];
|
||||||
|
}
|
||||||
|
|
||||||
|
if (!empty($data['author']) && empty($oembed->author_name)) {
|
||||||
|
$oembed->author_name = $data['author'];
|
||||||
|
}
|
||||||
|
|
||||||
|
if (!empty($data['author_url']) && empty($oembed->author_url)) {
|
||||||
|
$oembed->author_url = $data['author_url'];
|
||||||
|
}
|
||||||
|
|
||||||
|
if (!empty($data['images']) && empty($oembed->thumbnail_url)) {
|
||||||
|
$oembed->thumbnail_url = $data['images'][0]['src'];
|
||||||
|
$oembed->thumbnail_width = $data['images'][0]['width'];
|
||||||
|
$oembed->thumbnail_height = $data['images'][0]['height'];
|
||||||
}
|
}
|
||||||
|
|
||||||
Hook::callAll('oembed_fetch_url', $embedurl, $oembed);
|
Hook::callAll('oembed_fetch_url', $embedurl, $oembed);
|
||||||
|
|
|
@ -129,17 +129,12 @@ class PageInfo
|
||||||
}
|
}
|
||||||
|
|
||||||
// Escape some bad characters
|
// Escape some bad characters
|
||||||
$data['url'] = str_replace(['[', ']'], ['[', ']'], htmlentities($data['url'], ENT_QUOTES, 'UTF-8', false));
|
$text = "[attachment";
|
||||||
$data['title'] = str_replace(['[', ']'], ['[', ']'], htmlentities($data['title'], ENT_QUOTES, 'UTF-8', false));
|
|
||||||
|
|
||||||
$text = "[attachment type='" . $data['type'] . "'";
|
foreach (['type', 'url', 'title', 'alternative_title', 'publisher', 'publisher_url', 'publisher_image', 'author', 'author_url', 'author_image'] as $field) {
|
||||||
|
if (!empty($data[$field])) {
|
||||||
if (!empty($data['url'])) {
|
$text .= " " . $field . "='" . str_replace(['[', ']'], ['[', ']'], htmlentities($data[$field], ENT_QUOTES, 'UTF-8', false)) . "'";
|
||||||
$text .= " url='" . $data['url'] . "'";
|
}
|
||||||
}
|
|
||||||
|
|
||||||
if (!empty($data['title'])) {
|
|
||||||
$text .= " title='" . $data['title'] . "'";
|
|
||||||
}
|
}
|
||||||
|
|
||||||
if (empty($data['text'])) {
|
if (empty($data['text'])) {
|
||||||
|
@ -167,7 +162,7 @@ class PageInfo
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
|
||||||
$text .= ']' . $data['text'] . '[/attachment]';
|
$text .= ']' . str_replace(['[', ']'], ['[', ']'], $data['text']) . '[/attachment]';
|
||||||
|
|
||||||
$hashtags = '';
|
$hashtags = '';
|
||||||
if (!empty($data['keywords'])) {
|
if (!empty($data['keywords'])) {
|
||||||
|
|
|
@ -300,7 +300,6 @@ class ParseUrl
|
||||||
@$doc->loadHTML($body);
|
@$doc->loadHTML($body);
|
||||||
|
|
||||||
XML::deleteNode($doc, 'style');
|
XML::deleteNode($doc, 'style');
|
||||||
XML::deleteNode($doc, 'script');
|
|
||||||
XML::deleteNode($doc, 'option');
|
XML::deleteNode($doc, 'option');
|
||||||
XML::deleteNode($doc, 'h1');
|
XML::deleteNode($doc, 'h1');
|
||||||
XML::deleteNode($doc, 'h2');
|
XML::deleteNode($doc, 'h2');
|
||||||
|
@ -392,6 +391,9 @@ class ParseUrl
|
||||||
case 'dc.description':
|
case 'dc.description':
|
||||||
$siteinfo['text'] = trim($meta_tag['content']);
|
$siteinfo['text'] = trim($meta_tag['content']);
|
||||||
break;
|
break;
|
||||||
|
case 'dc.creator':
|
||||||
|
$siteinfo['publisher'] = trim($meta_tag['content']);
|
||||||
|
break;
|
||||||
case 'keywords':
|
case 'keywords':
|
||||||
$keywords = explode(',', $meta_tag['content']);
|
$keywords = explode(',', $meta_tag['content']);
|
||||||
break;
|
break;
|
||||||
|
@ -426,12 +428,46 @@ class ParseUrl
|
||||||
case 'og:image':
|
case 'og:image':
|
||||||
$siteinfo['image'] = $meta_tag['content'];
|
$siteinfo['image'] = $meta_tag['content'];
|
||||||
break;
|
break;
|
||||||
|
case 'og:image:url':
|
||||||
|
$siteinfo['image'] = $meta_tag['content'];
|
||||||
|
break;
|
||||||
|
case 'og:image:secure_url':
|
||||||
|
$siteinfo['image'] = $meta_tag['content'];
|
||||||
|
break;
|
||||||
case 'og:title':
|
case 'og:title':
|
||||||
$siteinfo['title'] = trim($meta_tag['content']);
|
$siteinfo['title'] = trim($meta_tag['content']);
|
||||||
break;
|
break;
|
||||||
case 'og:description':
|
case 'og:description':
|
||||||
$siteinfo['text'] = trim($meta_tag['content']);
|
$siteinfo['text'] = trim($meta_tag['content']);
|
||||||
break;
|
break;
|
||||||
|
case 'og:site_name':
|
||||||
|
$siteinfo['publisher'] = trim($meta_tag['content']);
|
||||||
|
break;
|
||||||
|
case 'twitter:description':
|
||||||
|
$siteinfo['text'] = trim($meta_tag['content']);
|
||||||
|
break;
|
||||||
|
case 'twitter:title':
|
||||||
|
$siteinfo['title'] = trim($meta_tag['content']);
|
||||||
|
break;
|
||||||
|
case 'twitter:image':
|
||||||
|
$siteinfo['image'] = $meta_tag['content'];
|
||||||
|
break;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
$list = $xpath->query("//script[@type='application/ld+json']");
|
||||||
|
foreach ($list as $node) {
|
||||||
|
if (!empty($node->nodeValue)) {
|
||||||
|
$nodevalue = html_entity_decode($node->nodeValue, ENT_COMPAT, 'UTF-8');
|
||||||
|
if ($jsonld = json_decode($nodevalue, true)) {
|
||||||
|
if (!empty($jsonld['@graph']) && is_array($jsonld['@graph'])) {
|
||||||
|
foreach ($jsonld['@graph'] as $part) {
|
||||||
|
$siteinfo = self::parseJsonLd($siteinfo, $part);
|
||||||
|
}
|
||||||
|
} else {
|
||||||
|
$siteinfo = self::parseJsonLd($siteinfo, $jsonld);
|
||||||
|
}
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
}
|
}
|
||||||
|
@ -470,6 +506,281 @@ class ParseUrl
|
||||||
return $siteinfo;
|
return $siteinfo;
|
||||||
}
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Improve the siteinfo with information from the provided JSON-LD information
|
||||||
|
* @see https://jsonld.com/
|
||||||
|
*
|
||||||
|
* @param array $siteinfo
|
||||||
|
* @param array $jsonld
|
||||||
|
* @return array siteinfo
|
||||||
|
*/
|
||||||
|
private static function parseJsonLd(array $siteinfo, array $jsonld)
|
||||||
|
{
|
||||||
|
$type = JsonLD::fetchElement($jsonld, '@type');
|
||||||
|
|
||||||
|
switch ($type) {
|
||||||
|
case 'Article':
|
||||||
|
case 'NewsArticle':
|
||||||
|
return self::parseJsonLdArticle($siteinfo, $jsonld);
|
||||||
|
case 'WebPage':
|
||||||
|
return self::parseJsonLdWebPage($siteinfo, $jsonld);
|
||||||
|
case 'WebSite':
|
||||||
|
return self::parseJsonLdWebSite($siteinfo, $jsonld);
|
||||||
|
case 'Organization':
|
||||||
|
return self::parseJsonLdWebOrganization($siteinfo, $jsonld);
|
||||||
|
case 'Person':
|
||||||
|
return self::parseJsonLdWebPerson($siteinfo, $jsonld);
|
||||||
|
case 'BreadcrumbList':
|
||||||
|
case 'Audio': /// @todo Can contain direct media links to audio - can be interesting in the future
|
||||||
|
case 'VideoObject':
|
||||||
|
case 'ImageObject':
|
||||||
|
case 'LiveBlogPosting':
|
||||||
|
case 'SocialMediaPosting':
|
||||||
|
// quit silently
|
||||||
|
return $siteinfo;
|
||||||
|
default:
|
||||||
|
Logger::info('Unsupported or unknown type', ['type' => $type, 'url' => $siteinfo['url']]);
|
||||||
|
return $siteinfo;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Improve the siteinfo with information from the provided JSON-LD information concerning authors and publishers
|
||||||
|
*
|
||||||
|
* @param array $siteinfo
|
||||||
|
* @param array $jsonld
|
||||||
|
* @return array siteinfo
|
||||||
|
*/
|
||||||
|
private static function parseJsonLdAuthor(array $siteinfo, array $jsonld)
|
||||||
|
{
|
||||||
|
$jsonldinfo = [];
|
||||||
|
|
||||||
|
if (is_array($jsonld['publisher'])) {
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'publisher', 'name', '@type', 'Organization');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['publisher'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'publisher', 'url', '@type', 'Organization');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['publisher_url'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$brand = JsonLD::fetchElement($jsonld, 'publisher', 'brand', '@type', 'Organization');
|
||||||
|
if (!empty($brand)) {
|
||||||
|
$content = JsonLD::fetchElement($brand, 'name', '@type', 'brand');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['publisher'] = trim($content);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
if (is_array($jsonld['author'])) {
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'author', 'name', '@type', 'Organization');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['publisher'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'author', 'url', '@type', 'Organization');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['publisher_url'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'author', 'name', '@type', 'Person');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['author'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'author', 'url', '@type', 'Person');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['author_url'] = trim($content);
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
Logger::info('Fetched author information', ['fetched' => $jsonldinfo]);
|
||||||
|
|
||||||
|
return array_merge($siteinfo, $jsonldinfo);
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Improve the siteinfo with information from the provided JSON-LD Article information
|
||||||
|
*
|
||||||
|
* @param array $siteinfo
|
||||||
|
* @param array $jsonld
|
||||||
|
* @return array siteinfo
|
||||||
|
*/
|
||||||
|
private static function parseJsonLdArticle(array $siteinfo, array $jsonld)
|
||||||
|
{
|
||||||
|
$jsonldinfo = [];
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'headline');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['title'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'alternativeHeadline');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['alternative_title'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'description');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['text'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'image', 'url', '@type', 'ImageObject');
|
||||||
|
if (!empty($content) && is_string($content)) {
|
||||||
|
$jsonldinfo['image'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
/// @todo Check for the correct separator, also check for dpublicates before adding
|
||||||
|
// $content = JsonLD::fetchElement($jsonld, 'keywords');
|
||||||
|
// if (!empty($content) && is_string($content)) {
|
||||||
|
// $jsonldinfo['keywords'] = trim($content);
|
||||||
|
// }
|
||||||
|
|
||||||
|
$jsonldinfo = self::parseJsonLdAuthor($jsonldinfo, $jsonld);
|
||||||
|
|
||||||
|
Logger::info('Fetched article information', ['url' => $siteinfo['url'], 'fetched' => $jsonldinfo]);
|
||||||
|
|
||||||
|
return array_merge($siteinfo, $jsonldinfo);
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Improve the siteinfo with information from the provided JSON-LD WebPage information
|
||||||
|
*
|
||||||
|
* @param array $siteinfo
|
||||||
|
* @param array $jsonld
|
||||||
|
* @return array siteinfo
|
||||||
|
*/
|
||||||
|
private static function parseJsonLdWebPage(array $siteinfo, array $jsonld)
|
||||||
|
{
|
||||||
|
$jsonldinfo = [];
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'name');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['title'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'description');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['text'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'thumbnailUrl');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['image'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$jsonldinfo = self::parseJsonLdAuthor($jsonldinfo, $jsonld);
|
||||||
|
|
||||||
|
Logger::info('Fetched webpage information', ['url' => $siteinfo['url'], 'fetched' => $jsonldinfo]);
|
||||||
|
|
||||||
|
return array_merge($siteinfo, $jsonldinfo);
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Improve the siteinfo with information from the provided JSON-LD WebSite information
|
||||||
|
*
|
||||||
|
* @param array $siteinfo
|
||||||
|
* @param array $jsonld
|
||||||
|
* @return array siteinfo
|
||||||
|
*/
|
||||||
|
private static function parseJsonLdWebSite(array $siteinfo, array $jsonld)
|
||||||
|
{
|
||||||
|
$jsonldinfo = [];
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'name');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['publisher'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'description');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['publisher_description'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'url');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['publisher_url'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'thumbnailUrl');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['image'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$jsonldinfo = self::parseJsonLdAuthor($jsonldinfo, $jsonld);
|
||||||
|
|
||||||
|
Logger::info('Fetched WebSite information', ['url' => $siteinfo['url'], 'fetched' => $jsonldinfo]);
|
||||||
|
return array_merge($siteinfo, $jsonldinfo);
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Improve the siteinfo with information from the provided JSON-LD Organization information
|
||||||
|
*
|
||||||
|
* @param array $siteinfo
|
||||||
|
* @param array $jsonld
|
||||||
|
* @return array siteinfo
|
||||||
|
*/
|
||||||
|
private static function parseJsonLdWebOrganization(array $siteinfo, array $jsonld)
|
||||||
|
{
|
||||||
|
$jsonldinfo = [];
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'name');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['publisher'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'url');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['publisher_url'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'logo', 'url', '@type', 'ImageObject');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['publisher_image'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
Logger::info('Fetched Organization information', ['url' => $siteinfo['url'], 'fetched' => $jsonldinfo]);
|
||||||
|
return array_merge($siteinfo, $jsonldinfo);
|
||||||
|
}
|
||||||
|
|
||||||
|
/**
|
||||||
|
* Improve the siteinfo with information from the provided JSON-LD Person information
|
||||||
|
*
|
||||||
|
* @param array $siteinfo
|
||||||
|
* @param array $jsonld
|
||||||
|
* @return array siteinfo
|
||||||
|
*/
|
||||||
|
private static function parseJsonLdWebPerson(array $siteinfo, array $jsonld)
|
||||||
|
{
|
||||||
|
$jsonldinfo = [];
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'name');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['author'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'description');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['author_description'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'url');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['author_url'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
$content = JsonLD::fetchElement($jsonld, 'image', 'url', '@type', 'ImageObject');
|
||||||
|
if (!empty($content)) {
|
||||||
|
$jsonldinfo['author_image'] = trim($content);
|
||||||
|
}
|
||||||
|
|
||||||
|
Logger::info('Fetched Person information', ['url' => $siteinfo['url'], 'fetched' => $jsonldinfo]);
|
||||||
|
return array_merge($siteinfo, $jsonldinfo);
|
||||||
|
}
|
||||||
|
|
||||||
/**
|
/**
|
||||||
* Convert tags from CSV to an array
|
* Convert tags from CSV to an array
|
||||||
*
|
*
|
||||||
|
|
Loading…
Reference in a new issue