Datan hakeminen muilta sivuilta, handlerit ja sivupohja - Demo 9

RSS-feedin sisällyttäminen omalle sivulle
HTML-dokumentin osan sisällyttäminen omalle sivulle
Apache handlerit
Sivupohjan käyttöönotto

Käytetään muiden tekemiä XML-dokumentteja ja WWW-sivuja tiedonlähteenä. Tutustutaan Apachen handlereihin ja toteutetaan niiden avulla oma sivupohja.

RSS-feedin sisällyttäminen omalle sivulle

Aloita uusi PHP-ohjelma. Pyritään hakemaan ja parsimaan XMLhack.comin RSS-feedi ja sisällyttämään siitä tärkeimmät osat omalle sivulle.
Käsiteltävä RSS-feed löytyy osoitteesta: http://xmlhack.com/rss10.php. Tutki sivun lähdekoodia niin pääset jyvälle RSS-tiedoston rakenteesta.

Haetaan RSS-dokumentti PHP-ohjelmaan käyttäen PHP:n DOM-kirjastoa:

// näytetään kaikki tässä vaiheessa pelkkänä tekstinä
header("content-type: text/plain");

$url = "http://xmlhack.com/rss10.php";

// luodaan uusi dokumentti ja haetaan sen sisältö halutusta osoitteesta
$doc = new DomDocument();
$doc->load($url);

// tulostetaan koko dokumentti
print $doc->saveXML();

Kaivellaan dokumentista yksittäisiä osia. Haetaan ensimmäiseksi yleistietoja:

// dokumentissa tarvittavat nimiavaruudet
$rdf_ns = "http://www.w3.org/1999/02/22-rdf-syntax-ns#";
$dc_ns = "http://purl.org/dc/elements/1.1/";
$rss_ns = "http://purl.org/rss/1.0/";
$mn_ns = "http://usefulinc.com/rss/manifest/";

// haetaan dokumentin yleistiedot
// täytyy käyttää nimiavaruuksia ymmärtävää versiota
// getElementsByTagName-metodista
$title = $doc->getElementsByTagNameNS($rss_ns, "title");
$link = $doc->getElementsByTagNameNS($rss_ns, "link");      

print $title->item(0)->textContent."\n";
print $link->item(0)->textContent."\n";

Hae edellä tehtyyn tapaan description, rights ja language -elementit ja tulosta niiden tekstisisältö. Huomaa ottaa käyttöön oikea nimiavaruus ($rss_ns tai $dc_ns).
Muuta dokumenttisi mediatyypiksi text/html ja poista edellä tehdyt tulostuslauseet. Kopioi itsellesi pohja.xml-tiedosto. Luo uusi DomDocument ja avaa tähän pohjaksi pohja.xml-tiedosto:
```
$oma = new DomDocument();
$oma->load("pohja.xml");
```

Lisää $oma-dokumenttiin RSS-feedistä kaiveltu pääotsikko ja tulosta koko $oma-dokumentti:

// on syytä huomata, että id pitää määritellä
// <body xml:id="foo"> 
// jos dokumentti olisi ladattu komennolla loadHTMLFile niin tavallinen
// id="foo" olisi riittänyt
$body = $oma->getElementById("foo");
$h1 = $oma->createElement("h1");
$h1->appendChild($oma->createTextNode($title->item(0)->textContent));
$body->appendChild($h1);

print $oma->saveXML();

Testaa myös selaimella.

Lisää edellä tehtyyn tapaan pääotsikosta linkki RSS-feedistä saatuun osoitteeseen (link). Lisää myös muiden RSS-feedistä kaivamiesi elementtien sisältö XHTML-dokumenttiisi esim. tekstikappaleina.
Hae RSS-feedistä kaikki item-elementit. Käy nämä kaikki läpi silmukassa ja luo XHTML-dokumenttiin linkkilista (ul), jossa yksi lista-alkio (li) muodostuu kunkin item-elementin sisältämästä title- ja link-elementistä. Vinkkejä silmukassa tehtäviin toimenpiteisiin löytyy mm. seuraavasta tehtävästä, jossa luodaan myös samantyyppinen silmukka sekä luentoesimerkistä. Katso myös mallikuva.

HTML-dokumentin osan sisällyttäminen omalle sivulle

HTML-dokumentin parsiminen tapahtuu PHP:ssa aivan samalla tavalla kuin edellä parsittiin RSS-dokumenttia. Luo uusi PHP-tiedosto ja hae siihen tiedot IT-tiedekunnan pääsivulta:
```
$url = "http://www.jyu.fi/it";
$doc = new DomDocument();
$doc->load($url);
```
Kokeile validoida sivu. Huomaat, että sivu ei ole täysin validia XHTML:ää, joten edellä ollut sivun lataus XML:nä ei toimisi.
Koska sivu ei ole täysin validia, sivu täytyy ladata HTML-moodissa XML:n sijaan. Säädetään lisäksi asetukset siten, että sivun suoritus ei jää kesken, vaikka tulisi epävalidi kohta:
```
$url = "http://www.jyu.fi/it";
// säädöt mahdollisimman löysälle ja ladataan HTML-moodissa
$doc = new DomDocument();
$doc->recover = true;
$doc->strictErrorChecking = false;
$doc->loadHTMLFile($url); 
```
Nyt sivun lataus pitäisi onnistua.
Poimitaan seuraavaksi dokumenttiin tuodulta IT-tiedekunnan pääsivulta "Ajankohtaista tiedekunnassa" -kohdassa olevat aiheet ja linkit.
- Muuta dokumenttisi mediatyypiksi text/html. Luo uusi DomDocument ja avaa siihen pohjaksi sama pohja.xml-tiedosto, jota käytettiin ensimmäisessäkin tehtävässä.
- Lisää dokumenttiin bodyn alle uusi listaelementti (ul). Lisääminen tapahtuu samalla idealla kuin edellisessä tehtävässä lisättiin h1-elementti.
- Hae seuraavaksi dokumenttiin tuodulta IT-tiedekunnan sivulta div-lohko, jonka sisällä "Ajankohtaista tiedekunnassa" on. Katso sivun lähdekoodia ja mieti, miten saat lohkon parsittua irti muusta sivusta. Lohkosta tarvitaan vain sen sisältämät li-elementit, joten hae ne seuraavaksi taulukkoon.
```
$ajankohtaista = $doc->getElementById("dynamicpage-fifth-list");
$tapahtumat = $ajankohtaista->getElementsByTagName("li");
```
- Käy seuraavaksi foreach-silmukassa läpi löytyneet li-elementit.
  - Poimi jokaisen elementin sisältö (getElementsByTagName) ja elementin href-attribuutin sisältö (getAttribute) joihinkin muuttujiin.
  - Luo sitten silmukassa uusi a-elementti (createElement) ja liitä sille äsken parsimasi sisältö (appendChild, createTextNode, textContent) ja href-attribuutti (setAttribute).
  - Luo silmukassa sen jälkeen uusi li-elementti (createElement) ja liitä sen sisällöksi (appendChild) juuri luomasi a-elementti.
  - Liitä lopuksi vielä luomasi li-elementti silmukan ulkopuolella luotuun ul-elementtiin (appendChild).
  - Edellisissä kohdissa suluissa on metodeja, joita todennäköisesti tarvitset kyseisissä kohdissa.
Tulosta lopuksi luomasi sivu, jotta voit tarkastella sitä selaimessa.
```
print $oma->saveXML();
```
Katso myös mallikuva.

Apache handlerit

Apachen handlereilla saadaan helposti otettua käyttöön oma sivupohja tai lisättyä esim. autentikointi kokonaisen sivuston päälle ilman, että tarvitsee tehdä mitään muutoksia yksittäisiin sivuihin.

Siirrä edellä tekemäsi PHP-tiedostot uuteen demo9-alikansioon webbisivut. Älä siirrä SOAP-tiedostoja, sillä niille emme tarvitse template-käsittelijää. Lisää webbisivut-kansioon .htaccess-tiedosto, johon kirjoitat:
```
 # määritellään oman käsittelijän sijainti
 # korjaa osoite toimivaksi
Action oma /~tunnus/cgi-bin/template.php

 # määrätään .php-päätteisille tiedostoille oma käsittelijä
AddHandler oma .php
```
Action-rivin osoite on puoliabsoluuttinen viite käsittelijäohjelmaan (samaan tapaan kuin uudelleenohjauksessa).

Kirjoitetaan seuraavaksi oman käsittelijän (template.php) runko:

<?php
// www-palvelimelta pyydettävän tiedoston polku
$file = $_SERVER["PATH_TRANSLATED"];

// käynnistää puskuroinnin eli ottaa talteen kaiken
// sen mitä yritetään tulostaa ja antaa template-nimiselle funktiolle käsiteltäväksi
ob_start("template");
// käsittelee varsinaisen tiedoston eli suorittaa sen sisältämän mahdollisen
// PHP-koodin yms.
include($file);                
// puskurointi loppuu
ob_end_flush();

// funktio, joka käsittelee puskuriin kerätyn datan
// yksinkertaisimmassa tapauksessa ei tee mitään vaan palauttaa suoraan
// puskurin sisällön
function template($buffer) {
  return $buffer;
}
?>

Tallenna tiedosto template.php html-hakemiston juuressa olevaan cgi-bin-hakemistoon
Kokeile vieläkö aiemmin tekemäsi PHP-ohjelmat toimivat. Luultavasti ne eivät toimi, koska template-käsittelijän läpi ajo muuttaa oletuspolkua. Käy vielä muuttamassa edellisten tehtävien PHP-tiedostoissa ladattavien XML-tiedostojen suhteelliset polut absoluuttisiksi. Esim.
```
/omaHOMEpolku/html/sovellukset/demo9/webbisivut/pohja.xml
```
Muuta template-funktiota sen verran, että se lisää jonkin merkkijonon puskurissa tulleeseen dataan, niin pääset toteamaan, että käsittelijä todella toimii:
```
return $buffer." Kyllä toimii";
```
Tarkista selaimella näkyykö lisätty teksti sivun lähdekoodissa (View | Page Source).
Omalla käsittelijällä voidaan nyt rakentaa kaikkien PHP-tiedostojen päälle esim. autentikointi tai lisätä yhtenäiset navigointilinkit (sivupohja).

Sivupohjan käyttöönotto

DOM-rajapinnan ja oman käsittelijän avulla on helppoa liittää puskuriin tullut dokumentti omaan sivupohjaan. Kopioi käyttöösi valmis sivupohja.
Lisää template-funktioon DOM-rajapinnan avulla seuraavat toiminnot:
1. Luo uusi DOMDocument, johon lataat pohjaksi sivupohjan.
2. Luo toinen DOMDocument, johon lataat puskurissa tulleen dokumentin (loadXML).
3. Hae puskurissa tulleesta dokumentista title-elementin tekstisisältö ja kopioi se sivupohjadokumenttiisi title-elementin sisällöksi. Tarviset DOMDocumentin metodeja ja ominaisuuksia:
  - getElementsByTagName
  - textContent (PHP:ssa read-only)
  - appendChild
  - createTextNode
4. Hae puskuroidusta dokumentista body-elementti ja importoi se sivupohjadokumenttiin ($doc->importNode($node, true)).
5. Lisää jokainen puskuroidun dokumentin body-elementin lapsisolmu sivupohjadokumentin body-elementin sisälle. Helpoiten siirto onnistuu while-silmukalla, firstChild-ominaisuudella ja appendChild-metodilla. Mieti miksi childNodes-listan läpikäyminen for-silmukassa olisi hankalaa?
6. Palauta lopuksi returnilla sivupohjadokumentti, johon on nyt sisällytetty kaikki sisältö, mitä puskuroidusta dokumentista löytyi.
Kokeile selaimella miten ohjelmassasi on nyt navigointilinkistö.

Käyttäjien kommentit

Ajax