<?php
class Parser
{
   /**
    * String mit dem Inhalt der Webseite
    */
   private $filestring = '';

   /**
    * URL des Hosts
    */
   private $host = '';

   /**
    * Verfeinerung des Hosts
    * z.B 'forumdisplay.php?f=9'
    */
   private $subdetails = '';

   /**
    * Seitenanzahl des Forumteils
    */
   private $seitenanzahl = 1;

   /**
    * Seitennummer, auf der der Parser sich
    * gerade befindet
    */
   private $aktuelle_seite = 1;

   /**
    * Die Linkliste besitzt alle vorgekommenen
    * Threadtitel
    */
   private $linkliste = array();

   /**
    * Liste zum speichern aller Threads und
    * deren Authoren
    */
   private $link = array("Link" => array(),
                           "Author" => array());

   /**
    * Soll die Suche über alle vorhandenen
    * Seiten ausgedehnt werden
    */
   private $pages = true;

   /**
    * Konstruktor der Klasse
    * Die fremde Webseite wird beim inistanzieren der Klasse
    * geparst, aber noch nicht ausgegeben
    *
    * Hier werden die benoetigten Klassenvariablen belegt
    * und einige Methoden aufgerufen
    *
    * @param - $host - String - URL des Hosts
    * @param - $subdetails - String - Direkte URL-Anweisungen
    * @param - $start_tag - String - Starttag für Seitenanzahl
    * @param - $suchstring - String - Suchstring für Seitenanzahl
    * @param - $end_tag - String - Endtag für Seitenanzahl
    * @param - $link_ident - String - Identifikation der wichtigen Links
    * @param - $start_tag_author - String - Starttag zur Authoridentifikation
    * @param - (boolean) Ob alle Seiten durchsucht werden sollen (optional)
    */
   public function __construct($host, $subdetails, $start_tag, $suchstring, $end_tag, $link_ident, $start_tag_author, $pages = false)
   {
       $this->host = $host;
       $this->subdetails = $subdetails;
       $this->pages = $pages;
       $this->start_tag_author = $start_tag_author;
       $this->loadWebsite();
       $this->getSeitenanzahl($start_tag, $suchstring, $end_tag);
       $this->parse($link_ident);
   }

   /**
    * Die fremde Webseite wird geladen und als String der
    * Klassenvariable $filestring zugewiesen
    */
   private function loadWebsite()
   {
       if($this->pages)
       {
           $str_page = '&amp;page='.$this->aktuelle_seite;
       }
       else
       {
           $str_page = '';
       }
       $this->filestring = file_get_contents($this->host.$this->subdetails.$str_page);
   }

   /**
    * Die Seitenzahl wird anhand eines frei definierbaren Start- und Endtags
    * sowie eines Suchstrings, der vor der Seitenzahl enden muss, rausgefiltert
    */
   private function getSeitenanzahl($start_tag, $suchstring, $end_tag)
   {
       $pos = strpos($this->filestring, $start_tag, 1);
       $string = substr($this->filestring, $pos, 1028);
       $seitenende = strpos($string, $end_tag, 0);
       $startpos = strpos($string, $suchstring, 0) + strlen($suchstring);
       $endpos = $seitenende - $startpos;
       $this->seitenanzahl = substr($string, $startpos, $endpos);
   }

   /**
    * Hier wird der übergebene String zu einem Link zusammengesetzt.
    * Durch das hinzufügen des Hosts wird aus jedem relativen Pfad,
    * ein absoluter und die Links führen sofort zum richtigen Ziel
    */
   private function setLink($string)
   {
       $link = substr($string, 0, 9);
       $link .= $this->host;
       $link .= substr($string, 9, strlen($string));
       $link .= "</a>";
       return $link;
   }

   /**
    * Die gefundenen Links werden auf das vorhandensein einer
    * $link_ident überprüft und beim vorfinden in die Linklisten
    * aufgenommen
    */
   private function getLinkdetails($string, $link_ident, $pos)
   {
       if(stristr($string, $link_ident)) {
           $gefunden = true;
           $linktext = substr($string, strpos($string, '">') + 2, strlen($string) - (strpos($string, '">') - 2));
           foreach($this->linkliste as $value)
           {
               if($value == $linktext)
               {
                   $gefunden = false;
               }
           }
           if($gefunden)
           {
               $this->linkliste[] = $linktext;
               $this->link["Link"][] = $this->setLink($string);
               $this->link["Author"][] = $this->getAuthor($pos);
           }
       }
   }

   /**
    * Die eigentliche Funktion, welche den Filestring nach Links durchsucht
    * und bei Treffern dann getLinkdetails() aufruft.
    * Die komplette Webseite samt Unterseiten wird durchsucht
    */
   private function parse($link_ident)
   {
       while($this->aktuelle_seite <= $this->seitenanzahl) {
           $this->loadWebsite($this->pages);
           $startpos = 0;
           while($pos = strpos($this->filestring, "<a href", $startpos))
           {
               $string = substr($this->filestring, $pos, strpos($this->filestring, "</a>", $pos + 1) - $pos);
               $this->getLinkdetails($string, $link_ident, $pos);
               $startpos = $pos + 1;
           }
           $this->aktuelle_seite++;
       }
   }

   /**
    * Dient der veranschaulichten Darstellung der gesammelten Links und der Authoren
    */
   public function showLinks()
   {
       $html = '';
       for($i = 0; $i < sizeof($this->link['Link']); $i++)
       {
           $html .= $this->link['Link'][$i]." | Author: ".$this->link['Author'][$i]."<br/>\n";
       }
       return $html;
   }

   /**
    * Die Authoren der ermittelten Links werden gesucht
    */
   private function getAuthor($pos)
   {
       $pos_member = strpos($this->filestring, $this->start_tag_author, $pos);
       // Benutzernamen rausfiltern
       $laenge = strpos($this->filestring, "</span>", $pos_member) - strpos($this->filestring, '>', $pos_member) - 1;
       $startpos = (strpos($this->filestring, '>', $pos_member)+1);
       return substr($this->filestring, $startpos, $laenge);
   }
}
?>