public function parseByURL($url_base, $titel, $id)
{
echo "Lese ein: " . $titel . "\n";
$index = ris_download_string($url_base . "/css/" . $id . "_index.htm");
preg_match("/gLastPage = (?<seiten>[0-9]+);/siu", $index, $matches);
$seiten = $matches["seiten"];
if (!$seiten || $seiten < 1) {
throw new Exception("Konnte Seitenzahl nicht auslesen");
}
$texte = "";
$css = "";
for ($seite = 1; $seite <= $seiten; $seite++) {
$document = ris_download_string($url_base . "/css/" . $id . "_" . $seite . ".htm");
// workaround for https://bugs.php.net/bug.php?id=61484
ini_set('mbstring.substitute_character', "none");
$document = mb_convert_encoding($document, 'UTF-8', 'UTF-8');
$x = explode('<!-- text starts here -->', $document);
$x = explode('</BODY>', $x[1]);
$text = $x[0];
$html = str_replace(["<NOBR>", "</NOBR>", "<SPAN", "</SPAN"], ["", "", "<DIV", "</DIV"], $text);
preg_match("/text positioning information \\*\\/\\n(?<css>.*)<\\/STYLE/siu", $document, $matches);
$x = explode('* text positioning information */', $document);
$x = explode('/* bitmap image information */', $x[1]);
$css_src = $x[0];
$x = explode("\n", $css_src);
foreach ($x as $y) {
if (substr($y, 0, 3) != ".ps" && substr($y, 0, 3) != ".ft") {
continue;
}
$css .= ".seite" . $seite . " " . $y . "\n";
}
$texte .= '<section class="seite seite' . $seite . '">' . $html . '</section>' . "\n\n\n";
}
$titel = html_entity_decode($titel, ENT_COMPAT, "UTF-8");
/** @var Rechtsdokument $rechtsdokument */
if ($id > 0) {
$rechtsdokument = Rechtsdokument::model()->findByAttributes(["id" => $id]);
} else {
$rechtsdokument = Rechtsdokument::model()->findByAttributes(["titel" => $titel]);
}
if (!$rechtsdokument) {
$rechtsdokument = new Rechtsdokument();
}
$rechtsdokument->url_base = $url_base;
$rechtsdokument->url_html = $url_base . "/css/" . $id . ".htm";
$rechtsdokument->url_pdf = $url_base . ".pdf";
$rechtsdokument->id = $id > 0 ? $id : rand(100000, 999999);
$rechtsdokument->titel = $titel;
$rechtsdokument->html = $texte;
$rechtsdokument->css = $css;
$rechtsdokument->save();
}
public function parseArchive2($jahr)
{
$url = "http://www.muenchen.info/pia/Archiv/RathausUmschauArchiv/{$jahr}/";
$site = ris_download_string($url);
$site = utf8_encode($site);
preg_match_all("/Rathaus Umschau (?<nr>[0-9]+)[abc]?\\.pdf vom (?<tag>[0-9]+)\\. (?<mon>[a-z]+)\\./siu", $site, $matches);
for ($i = 0; $i < count($matches["nr"]); $i++) {
$datum = $jahr . "-" . static::$MON_MAPPING[$matches["mon"][$i]] . "-" . $matches["tag"][$i];
$ru = Rathausumschau::model()->findByAttributes(["jahr" => $jahr, "nr" => IntVal($matches["nr"][$i])]);
if (!$ru) {
$ru = new Rathausumschau();
$ru->nr = IntVal($matches["nr"][$i]);
$ru->url = $url . $matches["nr"][$i] . ".pdf";
$ru->jahr = $jahr;
$ru->datum = $datum;
$ru->save();
}
$this->parse($ru->id);
}
}
/**
* @param int $id
*/
public function actionDocumentProxy($id)
{
/** @var Dokument $dokument */
$dokument = Dokument::model()->findByPk($id);
try {
$data = ris_download_string($dokument->getLink());
Header("Content-Type: application/pdf; charset=UTF-8");
echo $data;
} catch (Exception $e) {
$fp = fopen(TMP_PATH . "ris-file-not-found.log", "a");
fwrite($fp, $id . " - " . "http://www.ris-muenchen.de" . $dokument->url . "\n");
fclose($fp);
header("HTTP/1.0 404 Not Found");
die;
}
Yii::app()->end();
}
