added solofield
This commit is contained in:
lolcat
parent
063397dbd1
commit
c9eec8260b
6 changed files with 693 additions and 23 deletions
|
|
@ -130,26 +130,38 @@ class ghostery{
|
|||
|
||||
$query = http_build_query($query);
|
||||
|
||||
$html =
|
||||
$this->get(
|
||||
$proxy,
|
||||
"https://ghosterysearch.com/search?" . $query,
|
||||
[],
|
||||
$country
|
||||
);
|
||||
try{
|
||||
|
||||
$html =
|
||||
$this->get(
|
||||
$proxy,
|
||||
"https://ghosterysearch.com/search?" . $query,
|
||||
[],
|
||||
$country
|
||||
);
|
||||
}catch(Exception $error){
|
||||
|
||||
throw new Exception("Failed to fetch search page");
|
||||
}
|
||||
}else{
|
||||
|
||||
$proxy = $this->backend->get_ip();
|
||||
|
||||
$html =
|
||||
$this->get(
|
||||
$proxy,
|
||||
"https://ghosterysearch.com/search",
|
||||
[
|
||||
"q" => $get["s"]
|
||||
],
|
||||
$get["country"]
|
||||
);
|
||||
try{
|
||||
|
||||
$html =
|
||||
$this->get(
|
||||
$proxy,
|
||||
"https://ghosterysearch.com/search",
|
||||
[
|
||||
"q" => $get["s"]
|
||||
],
|
||||
$get["country"]
|
||||
);
|
||||
}catch(Exception $error){
|
||||
|
||||
throw new Exception("Failed to fetch search page");
|
||||
}
|
||||
}
|
||||
|
||||
$out = [
|
||||
|
|
|
|||
641
scraper/solofield.php
Normal file
641
scraper/solofield.php
Normal file
|
|
@ -0,0 +1,641 @@
|
|||
<?php
|
||||
|
||||
class solofield{
|
||||
|
||||
public function __construct(){
|
||||
|
||||
include "lib/backend.php";
|
||||
$this->backend = new backend("solofield");
|
||||
|
||||
include "lib/fuckhtml.php";
|
||||
$this->fuckhtml = new fuckhtml();
|
||||
}
|
||||
|
||||
public function getfilters($page){
|
||||
|
||||
return [
|
||||
"nsfw" => [
|
||||
"display" => "NSFW",
|
||||
"option" => [
|
||||
"yes" => "Yes",
|
||||
"no" => "No",
|
||||
]
|
||||
]
|
||||
];
|
||||
}
|
||||
|
||||
private function get($proxy, $url, $get = []){
|
||||
|
||||
$curlproc = curl_init();
|
||||
|
||||
if($get !== []){
|
||||
$get = http_build_query($get);
|
||||
$url .= "?" . $get;
|
||||
}
|
||||
|
||||
curl_setopt($curlproc, CURLOPT_URL, $url);
|
||||
|
||||
curl_setopt($curlproc, CURLOPT_ENCODING, ""); // default encoding
|
||||
curl_setopt($curlproc, CURLOPT_HTTPHEADER,
|
||||
["User-Agent: " . config::USER_AGENT,
|
||||
"Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/avif,image/webp,*/*;q=0.8",
|
||||
"Accept-Language: en-US,en;q=0.5",
|
||||
"Accept-Encoding: gzip",
|
||||
"Referer: https://solofield.net",
|
||||
"DNT: 1",
|
||||
"Connection: keep-alive",
|
||||
"Cookie: cross-site-cookie=name; lno=35842050",
|
||||
"Upgrade-Insecure-Requests: 1",
|
||||
"Sec-Fetch-Dest: document",
|
||||
"Sec-Fetch-Mode: navigate",
|
||||
"Sec-Fetch-Site: same-origin",
|
||||
"Sec-Fetch-User: ?1"]
|
||||
);
|
||||
|
||||
curl_setopt($curlproc, CURLOPT_RETURNTRANSFER, true);
|
||||
curl_setopt($curlproc, CURLOPT_SSL_VERIFYHOST, 2);
|
||||
curl_setopt($curlproc, CURLOPT_SSL_VERIFYPEER, true);
|
||||
curl_setopt($curlproc, CURLOPT_CONNECTTIMEOUT, 30);
|
||||
curl_setopt($curlproc, CURLOPT_TIMEOUT, 30);
|
||||
|
||||
$this->backend->assign_proxy($curlproc, $proxy);
|
||||
|
||||
$data = curl_exec($curlproc);
|
||||
|
||||
if(curl_errno($curlproc)){
|
||||
|
||||
throw new Exception(curl_error($curlproc));
|
||||
}
|
||||
|
||||
curl_close($curlproc);
|
||||
return $data;
|
||||
}
|
||||
|
||||
public function web($get){
|
||||
|
||||
if($get["npt"]){
|
||||
|
||||
[$query, $proxy] = $this->backend->get($get["npt"], "web");
|
||||
|
||||
try{
|
||||
|
||||
$html =
|
||||
$this->get(
|
||||
$proxy,
|
||||
"https://solofield.net/search?" . $query,
|
||||
[]
|
||||
);
|
||||
}catch(Exception $error){
|
||||
|
||||
throw new Exception("Failed to fetch search page");
|
||||
}
|
||||
}else{
|
||||
|
||||
$proxy = $this->backend->get_ip();
|
||||
|
||||
try{
|
||||
|
||||
$html =
|
||||
$this->get(
|
||||
$proxy,
|
||||
"https://solofield.net/search",
|
||||
[
|
||||
"q" => $get["s"],
|
||||
"ie" => "UTF-8",
|
||||
"oe" => "UTF-8",
|
||||
"hl" => "ja", // changing this doesnt do anything
|
||||
"lr" => "lang_ja", // same here
|
||||
//"ls" => "", // ??
|
||||
"f" => ($get["nsfw"] == "yes" ? "off" : "on")
|
||||
]
|
||||
);
|
||||
}catch(Exception $error){
|
||||
|
||||
throw new Exception("Failed to fetch search page");
|
||||
}
|
||||
}
|
||||
|
||||
$out = [
|
||||
"status" => "ok",
|
||||
"spelling" => [
|
||||
"type" => "no_correction",
|
||||
"using" => null,
|
||||
"correction" => null
|
||||
],
|
||||
"npt" => null,
|
||||
"answer" => [],
|
||||
"web" => [],
|
||||
"image" => [],
|
||||
"video" => [],
|
||||
"news" => [],
|
||||
"related" => []
|
||||
];
|
||||
|
||||
// check for errors and load the result div
|
||||
$this->error_and_load($html);
|
||||
|
||||
$items =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"g0",
|
||||
"li"
|
||||
);
|
||||
|
||||
foreach($items as $item){
|
||||
|
||||
$this->fuckhtml->load($item);
|
||||
|
||||
$title_tag =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"r",
|
||||
"h3"
|
||||
);
|
||||
|
||||
if(count($title_tag) === 0){
|
||||
|
||||
continue;
|
||||
}
|
||||
|
||||
$this->fuckhtml->load($title_tag[0]);
|
||||
|
||||
$link =
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"a"
|
||||
)[0]
|
||||
["attributes"]
|
||||
["href"]
|
||||
);
|
||||
|
||||
$this->fuckhtml->load($item);
|
||||
$thumb =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"webshot",
|
||||
"img"
|
||||
);
|
||||
|
||||
if(count($thumb) !== 0){
|
||||
|
||||
$thumb = [
|
||||
"ratio" => "1:1",
|
||||
"url" =>
|
||||
"https://solofield.net" .
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$thumb[0]
|
||||
["attributes"]
|
||||
["src"]
|
||||
)
|
||||
];
|
||||
}else{
|
||||
|
||||
$thumb = [
|
||||
"ratio" => null,
|
||||
"url" => null
|
||||
];
|
||||
}
|
||||
|
||||
$out["web"][] = [
|
||||
"title" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$title_tag[0]
|
||||
),
|
||||
"description" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"s",
|
||||
"div"
|
||||
)[0]
|
||||
),
|
||||
"url" => $link,
|
||||
"date" => null,
|
||||
"type" => "web",
|
||||
"thumb" => $thumb,
|
||||
"sublink" => [],
|
||||
"table" => []
|
||||
];
|
||||
}
|
||||
|
||||
// get next page
|
||||
$this->get_npt($html, $proxy, $out, "web");
|
||||
|
||||
return $out;
|
||||
}
|
||||
|
||||
|
||||
public function image($get){
|
||||
|
||||
// no pagination
|
||||
$html =
|
||||
$this->get(
|
||||
$this->backend->get_ip(),
|
||||
"https://solofield.net/isearch",
|
||||
[
|
||||
"q" => $get["s"],
|
||||
"ie" => "UTF-8",
|
||||
"oe" => "UTF-8",
|
||||
"hl" => "ja", // changing this doesnt do anything
|
||||
//"lr" => "lang_ja", // same here
|
||||
"ls" => "", // ??
|
||||
"f" => ($get["nsfw"] == "yes" ? "off" : "on")
|
||||
]
|
||||
);
|
||||
|
||||
$out = [
|
||||
"status" => "ok",
|
||||
"npt" => null,
|
||||
"image" => []
|
||||
];
|
||||
|
||||
// check for errors and load the result div
|
||||
$this->error_and_load($html);
|
||||
|
||||
$images =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"li"
|
||||
);
|
||||
|
||||
foreach($images as $image){
|
||||
|
||||
$this->fuckhtml->load($image);
|
||||
|
||||
$img =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"img"
|
||||
);
|
||||
|
||||
if(count($img) === 0){
|
||||
|
||||
// ?? invalid
|
||||
continue;
|
||||
}
|
||||
|
||||
$img = $img[0];
|
||||
|
||||
$size =
|
||||
explode(
|
||||
"x",
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$image
|
||||
),
|
||||
2
|
||||
);
|
||||
|
||||
$size = [
|
||||
(int)trim($size[0]), // width
|
||||
(int)trim($size[1]) // height
|
||||
];
|
||||
|
||||
$out["image"][] = [
|
||||
"title" => null,
|
||||
"source" => [
|
||||
[
|
||||
"url" =>
|
||||
"https://solofield.net/" .
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$img["attributes"]["src"]
|
||||
),
|
||||
"width" => $size[0],
|
||||
"height" => $size[1]
|
||||
]
|
||||
],
|
||||
"url" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"a"
|
||||
)[0]
|
||||
["attributes"]
|
||||
["href"]
|
||||
)
|
||||
];
|
||||
}
|
||||
|
||||
return $out;
|
||||
}
|
||||
|
||||
|
||||
public function video($get){
|
||||
|
||||
if($get["npt"]){
|
||||
|
||||
[$query, $proxy] = $this->backend->get($get["npt"], "videos");
|
||||
|
||||
try{
|
||||
|
||||
$html =
|
||||
$this->get(
|
||||
$proxy,
|
||||
"https://solofield.net/vsearch?" . $query,
|
||||
[]
|
||||
);
|
||||
}catch(Exception $error){
|
||||
|
||||
throw new Exception("Failed to fetch search page");
|
||||
}
|
||||
}else{
|
||||
|
||||
$proxy = $this->backend->get_ip();
|
||||
|
||||
try{
|
||||
|
||||
$html =
|
||||
$this->get(
|
||||
$proxy,
|
||||
"https://solofield.net/vsearch",
|
||||
[
|
||||
"q" => $get["s"],
|
||||
"ie" => "UTF-8",
|
||||
"oe" => "UTF-8",
|
||||
"hl" => "ja", // changing this doesnt do anything
|
||||
//"lr" => "lang_ja", // same here
|
||||
"ls" => "", // ??
|
||||
"f" => ($get["nsfw"] == "yes" ? "off" : "on")
|
||||
]
|
||||
);
|
||||
}catch(Exception $error){
|
||||
|
||||
throw new Exception("Failed to fetch search page");
|
||||
}
|
||||
}
|
||||
|
||||
$out = [
|
||||
"status" => "ok",
|
||||
"npt" => null,
|
||||
"video" => [],
|
||||
"author" => [],
|
||||
"livestream" => [],
|
||||
"playlist" => [],
|
||||
"reel" => []
|
||||
];
|
||||
|
||||
// check for errors and load the result div
|
||||
$this->error_and_load($html);
|
||||
|
||||
$items =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"li"
|
||||
);
|
||||
|
||||
foreach($items as $item){
|
||||
|
||||
$this->fuckhtml->load($item);
|
||||
|
||||
$as =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"a"
|
||||
);
|
||||
|
||||
if(count($as) === 0){
|
||||
|
||||
continue;
|
||||
}
|
||||
|
||||
$thumb =
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"img"
|
||||
);
|
||||
|
||||
if(count($thumb) !== 0){
|
||||
|
||||
$thumb = [
|
||||
"ratio" => "16:9",
|
||||
"url" =>
|
||||
"https://solofield.net/" .
|
||||
$thumb[0]
|
||||
["attributes"]
|
||||
["src"]
|
||||
];
|
||||
}else{
|
||||
|
||||
$thumb = [
|
||||
"ratio" => null,
|
||||
"url" => null
|
||||
];
|
||||
}
|
||||
|
||||
$date =
|
||||
$this->fuckhtml
|
||||
->getElementsByAttributeValue(
|
||||
"style",
|
||||
"font-size: 10px;",
|
||||
"span"
|
||||
);
|
||||
|
||||
if(count($date) !== 0){
|
||||
|
||||
$date =
|
||||
$this->unfuckdate(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$date[0]
|
||||
)
|
||||
);
|
||||
}else{
|
||||
|
||||
$date = null;
|
||||
}
|
||||
|
||||
$center_td =
|
||||
$this->fuckhtml
|
||||
->getElementsByAttributeValue(
|
||||
"align",
|
||||
"center",
|
||||
"td"
|
||||
);
|
||||
|
||||
if(count($center_td) === 2){
|
||||
|
||||
$duration =
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$this->hms2int(
|
||||
$center_td[0]
|
||||
)
|
||||
);
|
||||
}else{
|
||||
|
||||
$duration = null;
|
||||
}
|
||||
|
||||
$out["video"][] = [
|
||||
"title" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$as[1]
|
||||
),
|
||||
"description" => null,
|
||||
"author" => [
|
||||
"name" => null,
|
||||
"url" => null,
|
||||
"avatar" => null
|
||||
],
|
||||
"date" => $date,
|
||||
"duration" => $duration,
|
||||
"views" => null,
|
||||
"thumb" => $thumb,
|
||||
"url" =>
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$as[0]
|
||||
["attributes"]
|
||||
["href"]
|
||||
)
|
||||
];
|
||||
}
|
||||
|
||||
// get next page
|
||||
$this->get_npt($html, $proxy, $out, "videos");
|
||||
|
||||
return $out;
|
||||
}
|
||||
|
||||
|
||||
private function get_npt($html, $proxy, &$out, $type){
|
||||
|
||||
// get next page
|
||||
$this->fuckhtml->load($html);
|
||||
|
||||
$pjs =
|
||||
$this->fuckhtml
|
||||
->getElementById(
|
||||
"pjs"
|
||||
);
|
||||
|
||||
if($pjs){
|
||||
|
||||
$alnk =
|
||||
$this->fuckhtml
|
||||
->getElementsByClassName(
|
||||
"alnk",
|
||||
"span"
|
||||
);
|
||||
|
||||
foreach($alnk as $lnk){
|
||||
|
||||
if(
|
||||
stripos(
|
||||
$this->fuckhtml
|
||||
->getTextContent(
|
||||
$lnk
|
||||
),
|
||||
"Next"
|
||||
) !== false
|
||||
){
|
||||
|
||||
$this->fuckhtml->load($lnk);
|
||||
|
||||
$out["npt"] =
|
||||
$this->backend->store(
|
||||
parse_url(
|
||||
$this->fuckhtml
|
||||
->getElementsByTagName(
|
||||
"a"
|
||||
)[0]
|
||||
["attributes"]
|
||||
["href"],
|
||||
PHP_URL_QUERY
|
||||
),
|
||||
$type,
|
||||
$proxy
|
||||
);
|
||||
}
|
||||
}
|
||||
}
|
||||
}
|
||||
|
||||
private function error_and_load($html){
|
||||
|
||||
if(strlen($html) === 0){
|
||||
|
||||
throw new Exception("Solofield blocked the request IP");
|
||||
}
|
||||
|
||||
$this->fuckhtml->load($html);
|
||||
|
||||
$list =
|
||||
$this->fuckhtml
|
||||
->getElementById(
|
||||
"list",
|
||||
"div"
|
||||
);
|
||||
|
||||
if($list === false){
|
||||
|
||||
$nosearch =
|
||||
$this->fuckhtml
|
||||
->getElementById(
|
||||
"nosearch",
|
||||
"div"
|
||||
);
|
||||
|
||||
if($nosearch){
|
||||
|
||||
return $out;
|
||||
}
|
||||
|
||||
throw new Exception("Failed to grep search list");
|
||||
}
|
||||
|
||||
$this->fuckhtml->load($list);
|
||||
}
|
||||
|
||||
private function unfuckdate($date){
|
||||
|
||||
return
|
||||
strtotime(
|
||||
rtrim(
|
||||
preg_replace(
|
||||
'/[^0-9]+/',
|
||||
"-",
|
||||
explode(
|
||||
":",
|
||||
$date,
|
||||
2
|
||||
)[1]
|
||||
),
|
||||
"-"
|
||||
)
|
||||
);
|
||||
}
|
||||
|
||||
private function hms2int($time){
|
||||
|
||||
$parts = explode(":", $time, 3);
|
||||
$time = 0;
|
||||
|
||||
if(count($parts) === 3){
|
||||
|
||||
// hours
|
||||
$time = $time + ((int)$parts[0] * 3600);
|
||||
array_shift($parts);
|
||||
}
|
||||
|
||||
if(count($parts) === 2){
|
||||
|
||||
// minutes
|
||||
$time = $time + ((int)$parts[0] * 60);
|
||||
array_shift($parts);
|
||||
}
|
||||
|
||||
// seconds
|
||||
$time = $time + (int)$parts[0];
|
||||
|
||||
return $time;
|
||||
}
|
||||
}
|
||||
Loading…
Add table
Add a link
Reference in a new issue