application/hub/main/source/urls/class_CrawlerUploadedListUrlSource.php

   1 <?php
   2 /**
   3  * A UploadedList URL source class for crawlers
   4  *
   5  * @author              Roland Haeder <webmaster@ship-simu.org>
   6  * @version             0.0.0
   7  * @copyright   Copyright (c) 2014 Crawler Developer Team
   8  * @license             GNU GPL 3.0 or any newer version
   9  * @link                http://www.ship-simu.org
  10  *
  11  * This program is free software: you can redistribute it and/or modify
  12  * it under the terms of the GNU General Public License as published by
  13  * the Free Software Foundation, either version 3 of the License, or
  14  * (at your option) any later version.
  15  *
  16  * This program is distributed in the hope that it will be useful,
  17  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  18  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the
  19  * GNU General Public License for more details.
  20  *
  21  * You should have received a copy of the GNU General Public License
  22  * along with this program.  If not, see <http://www.gnu.org/licenses/>.
  23  */
  24 class CrawlerUploadedListUrlSource extends BaseUrlSource implements UrlSource, Registerable {
  25         /**
  26          * "Cached" CSV path
  27          */
  28         private $csvFilePath = '';
  29
  30         /**
  31          * Last CSV file instance
  32          */
  33         private $lastCsvFileInstance = NULL;
  34
  35         /**
  36          * Stack for pushing data from this clas to another
  37          */
  38         private $stackSourceInstance = NULL;
  39
  40         /**
  41          * Stack name for a CSV file
  42          */
  43         const STACK_NAME_CSV_FILE = 'csv_file';
  44
  45         /**
  46          * Stack name for a CSV entry
  47          */
  48         const STACK_NAME_CSV_ENTRY = 'csv_entry';
  49
  50         /**
  51          * Size of crawl (CSV) entry which is an indexed array:
  52          *
  53          * 0 = URL to crawl
  54          * 1 = Crawl depth of URL
  55          * 2 = Crawl depth of linked URLs (same other host only)
  56          */
  57         const CRAWL_ENTRY_SIZE = 3;
  58
  59         /**
  60          * "Imported" CSV files
  61          */
  62         private $csvFileImported = array();
  63
  64         /**
  65          * "Cached" separator for columns
  66          */
  67         private $columnSeparator = '';
  68
  69         /**
  70          * Protected constructor
  71          *
  72          * @return      void
  73          */
  74         protected function __construct () {
  75                 // Call parent constructor
  76                 parent::__construct(__CLASS__);
  77
  78                 // "Cache" CSV path for faster usage
  79                 $this->csvFilePath = $this->getConfigInstance()->getConfigEntry('base_path') . '/' . $this->getConfigInstance()->getConfigEntry('crawler_csv_file_path');
  80
  81                 // Initialize directory instance
  82                 $directoryInstance = ObjectFactory::createObjectByConfiguredName('directory_class', array($this->csvFilePath));
  83
  84                 // Set it here
  85                 $this->setDirectoryInstance($directoryInstance);
  86
  87                 // Init stack instance
  88                 $this->stackSourceInstance = ObjectFactory::createObjectByConfiguredName('crawler_uploaded_list_url_source_stack_class');
  89
  90                 // Init stacks
  91                 $this->getStackSourceInstance()->initStack(self::STACK_NAME_CSV_FILE);
  92                 $this->getStackSourceInstance()->initStack(self::STACK_NAME_CSV_ENTRY);
  93
  94                 // "Cache" column separator
  95                 $this->columnSeparator = $this->getConfigInstance()->getConfigEntry('crawler_url_list_column_separator');
  96         }
  97
  98         /**
  99          * Checks whether a CSV file is found in configured path
 100          *
 101          * @return      $isFound        Whether a CSV file is found
 102          */
 103         private function isCsvFileFound () {
 104                 //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: CALLED!');
 105
 106                 // Is it valid?
 107                 if (!$this->getDirectoryInstance()->getDirectoryIteratorInstance()->valid()) {
 108                         // Rewind to start
 109                         $this->getDirectoryInstance()->getDirectoryIteratorInstance()->rewind();
 110                 } // END - if
 111
 112                 // Read next entry
 113                 //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: this->csvFileImported=' . print_r($this->csvFileImported, TRUE));
 114                 $directoryEntry = $this->getDirectoryInstance()->readDirectoryExcept(array_merge(array('.htaccess', '.', '..'), $this->csvFileImported));
 115
 116                 // Debug message
 117                 //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE[' . __METHOD__ . ':' . __LINE__ . '] directoryEntry(' . strlen($directoryEntry) . ')=' . $directoryEntry);
 118
 119                 // Is it empty or wrong file extension?
 120                 if ((empty($directoryEntry)) || (substr($directoryEntry, -4, 4) != '.csv')) {
 121                         // Skip further processing
 122                         //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE[' . __METHOD__ . ':' . __LINE__ . '] directoryEntry(' . strlen($directoryEntry) . ')=' . $directoryEntry . ' - SKIPPED!');
 123                         return FALSE;
 124                 } // END - if
 125
 126                 // Initialize CSV file instance
 127                 $this->lastCsvFileInstance = ObjectFactory::createObjectByConfiguredName('csv_input_file_class', array($this->csvFilePath . '/' . $directoryEntry));
 128
 129                 // Debug message
 130                 //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . '] directoryEntry(' . strlen($directoryEntry) . ')=' . $directoryEntry . ' - Instance created - EXIT!');
 131
 132                 // Found an entry
 133                 return TRUE;
 134         }
 135
 136         /**
 137          * Creates an instance of this class
 138          *
 139          * @return      $sourceInstance         An instance of a Source class
 140          */
 141         public final static function createCrawlerUploadedListUrlSource () {
 142                 // Get new instance
 143                 $sourceInstance = new CrawlerUploadedListUrlSource();
 144
 145                 // Init source
 146                 $sourceInstance->initSource('crawler', 'uploaded_list');
 147
 148                 // Return the prepared instance
 149                 return $sourceInstance;
 150         }
 151
 152         /**
 153          * Enriches and saves the given CSV entry (array) in the assigned
 154          * file-based stack. To such entry a lot more informations are added, such
 155          * as which files shall be crawled and many more.
 156          *
 157          * @param       $csvData        Array with data from a CSV file
 158          * @return      void
 159          */
 160         private function saveCsvDataInCrawlerQueue (array $csvData) {
 161                 // Debug message
 162                 /* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: csvData()=' . count($csvData) . ' - CALLED!');
 163
 164                 // The array has 3 elements, later enhancements may accept more
 165                 assert(count($csvData) == self::CRAWL_ENTRY_SIZE);
 166
 167                 /*
 168                  * First converted the indexed array into an assoziative array. Don't
 169                  * forget to expand this array as well when you want to add another
 170                  * column to the CSV file.
 171                  */
 172                 $csvArray = array(
 173                         self::CRAWL_JOB_ARRAY_START_URL      => $csvData[0],
 174                         self::CRAWL_JOB_ARRAY_DEPTH          => $csvData[1],
 175                         self::CRAWL_JOB_ARRAY_EXTERNAL_DEPTH => $csvData[2]
 176                 );
 177
 178                 // Debug message
 179                 /* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: EXIT!');
 180         }
 181
 182         /**
 183          * Checks whether a CSV file has been loaded (added to the stack)
 184          *
 185          * @return      $isAdded        Whether a CSV file has been loaded
 186          */
 187         private function isCsvFileAdded () {
 188                 // Check whether the stacker is not empty
 189                 $isAdded = (($this->getStackSourceInstance()->isStackInitialized(self::STACK_NAME_CSV_FILE)) && (!$this->getStackSourceInstance()->isStackEmpty(self::STACK_NAME_CSV_FILE)));
 190
 191                 // Return the result
 192                 return $isAdded;
 193         }
 194
 195         /**
 196          * Checks whether a CSV entry has been added to the stack
 197          *
 198          * @return      $isAdded        Whether a CSV entry has been added
 199          */
 200         private function isCsvEntryAdded () {
 201                 // Check whether the stacker is not empty
 202                 $isAdded = (($this->getStackSourceInstance()->isStackInitialized(self::STACK_NAME_CSV_ENTRY)) && (!$this->getStackSourceInstance()->isStackEmpty(self::STACK_NAME_CSV_ENTRY)));
 203
 204                 // Return the result
 205                 return $isAdded;
 206         }
 207
 208         /**
 209          * Initializes the import of the CSV file which is being processed by other task
 210          *
 211          * @return      void
 212          * @throws      NullPointerException    If lastCsvFileInstance is not set
 213          */
 214         private function addCsvFile () {
 215                 //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: CALLED!');
 216
 217                 // Is the instance set?
 218                 if (is_null($this->lastCsvFileInstance)) {
 219                         // This should not happen
 220                         throw new NullPointerException($this, self::EXCEPTION_IS_NULL_POINTER);
 221                 } // END - if
 222
 223                 // Stack this file
 224                 $this->getStackSourceInstance()->pushNamed(self::STACK_NAME_CSV_FILE, $this->lastCsvFileInstance);
 225
 226                 // ... and mark it as "imported"
 227                 array_push($this->csvFileImported, basename($this->lastCsvFileInstance->getFileName()));
 228
 229                 // ... and finally NULL it (to save some RAM)
 230                 $this->lastCsvFileInstance = NULL;
 231
 232                 //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: EXIT!');
 233         }
 234
 235         /**
 236          * Parses the next stacked CSV file by reading only one line from it. Then
 237          * the read line is being validated and if found good being feed to the next
 238          * stack. The file is removed from stack only if it has been fully parsed.
 239          *
 240          * @return      void
 241          */
 242         private function parseCsvFile () {
 243                 // Debug message
 244                 //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: CALLED!');
 245
 246                 // Get next entry
 247                 $csvFileInstance = $this->getStackSourceInstance()->popNamed(self::STACK_NAME_CSV_FILE);
 248
 249                 // Read full "CSV line"
 250                 $csvData = $csvFileInstance->readCsvFileLine($this->columnSeparator);
 251
 252                 // Debug message
 253                 //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: csvData[' . gettype($csvData) . ']=' . print_r($csvData, TRUE));
 254
 255                 // Expect always an array
 256                 assert(is_array($csvData));
 257
 258                 // Is the array empty?
 259                 if (count($csvData) == 0) {
 260                         // Debug message
 261                         //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: File ' . $csvFileInstance->getFileName() . ' has been fully read.');
 262
 263                         // Try to close it
 264                         $csvFileInstance->closeFile();
 265
 266                         // This file as been fully read, so don't push it back on stack.
 267                         return;
 268                 } // END - if
 269
 270                 // ...  with 3 elements, later enhancements may accept more
 271                 assert(count($csvData) == self::CRAWL_ENTRY_SIZE);
 272
 273                 /*
 274                  * Push the file back on stack as it may contain more entries. This way
 275                  * all files got rotated on stack which may improve crawler performance.
 276                  */
 277                 $this->getStackSourceInstance()->pushNamed(self::STACK_NAME_CSV_FILE, $csvFileInstance);
 278
 279                 // Push array on next stack
 280                 $this->getStackSourceInstance()->pushNamed(self::STACK_NAME_CSV_ENTRY, $csvData);
 281
 282                 // Debug message
 283                 //* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: EXIT!');
 284         }
 285
 286         /**
 287          * Parses the next stacked CSV entry.
 288          *
 289          * @return      void
 290          */
 291         private function parseCsvEntry () {
 292                 // Debug message
 293                 /* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: CALLED!');
 294
 295                 // Pop it from stack
 296                 $csvData = $this->getStackSourceInstance()->popNamed(self::STACK_NAME_CSV_ENTRY);
 297
 298                 // Debug message
 299                 /* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: csvData[' . gettype($csvData) . ']=' . print_r($csvData, TRUE));
 300
 301                 // It must have 3 elements (see method parseCsvFile() for details)
 302                 assert(count($csvData) == self::CRAWL_ENTRY_SIZE);
 303
 304                 // Save it in crawler queue (which will enrich it with way more informations
 305                 $this->saveCsvDataInCrawlerQueue($csvData);
 306
 307                 // Debug message
 308                 /* NOISY-DEBUG: */ self::createDebugInstance(__CLASS__)->debugOutput('CRAWLER-SOURCE [' . __METHOD__ . ':' . __LINE__ . ']: EXIT!');
 309         }
 310
 311         /**
 312          * Getter for stackSourceInstance variable
 313          *
 314          * @return      $stackSourceInstance    An instance of an additional stack
 315          */
 316         public final function getStackSourceInstance () {
 317                 return $this->stackSourceInstance;
 318         }
 319
 320         /**
 321          * Processes entries in the stack.
 322          *
 323          * @return      void
 324          * @todo        ~20% done
 325          */
 326         public function processStack () {
 327                 // Does the stack have some entries left?
 328                 if ($this->isCsvEntryAdded()) {
 329                         /*
 330                          * A CSV file has been found and "imported" (added to stack). Now
 331                          * the file can be read line by line and checked every one of it.
 332                          */
 333                         $this->parseCsvEntry();
 334                 } elseif ($this->isCsvFileAdded()) {
 335                         /*
 336                          * A CSV file has been found and "imported" (added to stack). Now
 337                          * the file can be read line by line and checked every one of it.
 338                          */
 339                         $this->parseCsvFile();
 340                 } elseif ($this->isCsvFileFound()) {
 341                         /*
 342                          * A file containing an URL list is found. Please note the format is
 343                          * CSV-like as you may wish to provide meta data such as crawl
 344                          * depth, handling of 3rd-party URLs and such.
 345                          */
 346                         $this->addCsvFile();
 347                 } elseif (!$this->isUrlStackEmpty()) {
 348                         /*
 349                          * Handle next entry. This method will be called very often, so need
 350                          * to process more than one entry at a time.
 351                          */
 352                         $this->processNextEntry();
 353                 }
 354
 355                 $this->partialStub('Please implement this method.');
 356         }
 357 }
 358
 359 // [EOF]
 360 ?>