Con qualche giorno di ritardo sul previsto, riprendo a parlare del modulo mod_rewrite in Apache.

Una volta attivato il modulo con RewriteEngine ed impostata la cartella base con RewriteBase, è il momento di occuparci delle altre 2 tipologie di direttive: RewriteRule e RewriteCond, fondamentali per una buona riscrittura degli URL.

Le regole di RewriteRule

Nel precedente articolo (il cui paragrafo sul RewriteBase è stato corretto in seguito ad un errore di interpretazione dalla documentazione) abbiamo impostato un esempio che useremo anche in questa parte. L’esempio riguardava la riscrittura di un URL del tipo www.example.com/home/pagine/index.php in maniera più abbreviata e semplice.

Tramite il RewriteBase, abbiamo impostato la cartella sulla quale applicare le condizioni e le regole, ovvero /. Con questo presupposto, possiamo rimuovere con delle regole home e pagine dall’URL.

Il RewriteRule funziona per mezzo di espressioni regolari ed ha questa sintassi:

RewriteRule ^sorgente$ destinazione [flags]

Volendo rimuovere home e pagine, dunque, possiamo arricchire il nostro .htaccess in questo modo:

RewriteEngine on
 RewriteBase /
 RewriteRule ^(home/pagine/){0,1}(.*)$ home/pagine/$2.php [L]

In base a questa regola, il nostro sorgente sarà una qualsiasi pagina, mentre la destinazione sarà home/pagine/ seguita dalla pagina richiamata. www.example.com/index.php verrà quindi riscritta come www.example.com/home/pagine/index.php risultando di fatto raggiungibile. $2 all’interno della destinazione rappresenta un collegamento alla prima espressione della sorgente e la restituisce così come viene soddisfatta.

Si è stati costretti a ridefinire, inoltre, l’URL di destinazione anche come sorgente impostando una specie di condizione: sia se home/pagine/ c’è, sia se non c’è, l’URL riscritto deve comunque averlo. Forzare questa dichiarazione è necessaria poiché il server Apache una volta riscritto l’URL per la prima volta e richiamata la pagina, ripete nuovamente l’htaccess dalla prima riga. E’ possibile provare a rimuovere questa ridefinizione solo se la riscrittura non cambia o imposta il nome della pagina, ma aggiorna una chiave passata come parametro.

Ma possiamo  semplificare ulteriormente la navigazione all’interno delle pagine rimuovendone l’estensione, a condizione però che siano tutte dello stesso tipo:

RewriteEngine on
RewriteBase /
RewriteRule ^(.*).php$ $1
RewriteRule ^(home/pagine/){0,1}(.*)$ home/pagine/$2.php [L]

Dato che usiamo un’estensione dedicata alle pagine web (php, ovvero scaricandole non è che si fa molto…) come si può vedere dall’esempio, la riga 2 rimuove l’estensione, mentre la 3 la riaggiunge. Questo giochino è necessario poiché omettendo la 2 ci ritroveremo chiamata una pagina index.php.php.

Infine manca la definizione della home page in modo che se non è indicata alcuna pagina venga richiamato l’index:

RewriteEngine on
RewriteBase /
RewriteRule ^(.*).php$ $1
RewriteRule ^$ index
RewriteRule ^(home/pagine/){0,1}(.*)$ home/pagine/$2.php [L]

Da notare che l’unico flag che abbiamo utilizzato è stato [L] e tra quelli disponibili è il più utilizzato. [L] permette di interrompe l’elaborazione dell’htaccess se la regola a cui è associato viene eseguita. Altri flags molto comuni sono: [QSA] che riporta nella destinazione l’elenco delle variabili passate nell’indirizzo, per esempio, come $_GET, [NC] per indicare che una regola è valida senza considerare le maiuscole e minuscole. Per una lista dei flags è possibile consultare ed [S=#] che indica il numero di regole da saltare se quella a cui è associata è valida. Quest’ultima è molto utile per creare degli pseudo if…then…else e la vedremo nella prossima sezione.

Le condizioni di RewriteCond

Se vogliamo che alcune regole vengano applicate solo in determinate condizioni, dobbiamo aggiungere un’altra regola. Ci viene in aiuto il RewriteCond.

Il RewriteCond, funziona, come per le RewriteRule, per mezzo di espressioni regolari e definisce una regola indicata subito dopo oppure dopo un certo numero di regole specificato che deve essere presa in considerazione solo se la condizione è verificata. La direttiva è definita in questo modo:

RewriteCond condizione [flags]

Ad esempio, nonostante sia fortemente sconsigliato, nel nostro sito si potrebbe visualizzare una pagina d’ingresso dedicata a Chrome. Bisogna un attimino giocarci.

RewriteEngine on
RewriteBase /
RewriteRule ^(.*).php$ $1

# Se il browser è Chrome:
RewriteCond %{HTTP_USER_AGENT} ^.*Chrome.*
RewriteRule ^$ index-chr

# Torna infine al flusso principale del file:
RewriteRule ^$ index-alt
RewriteRule ^(home/pagine/){0,1}(.*)$ home/pagine/$2.php [L] 

I commenti dicono tutto.

Le condizioni che è possibile verificare sono innumerevoli: si passa dalle variabili di sistema, quali HTTP_USER_AGENT per il tipo di browser, REQUEST_URI per l’URL richiesto o puntatori a regole precedenti ($0, $1…) o condizioni (%0, %1…).

Oltre alle condizioni, comunque, anche qui ci sono i flags come [OR] per mettere in collegamento due RewriteCond e convalidare la regola successiva per l’una o l’altra espressione, [-f] per verificare se un file esiste o [-d]per una directory.

La documentazione ufficiale

La complessità di questo argomento, però, è talmente vasta che è difficile scrivere tutto in due righe. Per approfondire il discorso, è possibile collegarsi alla pagina dedicata al modulo mod_rewrite del sito Apache.org.

In caso di dubbi o suggerimento, in ogni caso, è possibile lasciare un commento qui

Dopo alcuni giorni un po’ frenetici torno a scrivere la prima parte di questo tutorial, speriamo sia gradita

Quando si parla di SEO, i più esperti storcono il naso perché si sa che il pagerank non dipende da come sono scritte le pagine. Però in questo caso possiamo utilizzare l’htaccess sia per migliorare il SEO, sia per rendere più facili da trovare le nostre pagine web.

Vediamo come.

Il file .htaccess ed il modulo mod_rewrite

Innanzitutto è bene fare una panoramica per chi non conosce i due strumenti di cui andremo a parlare: l’htaccess ed il mod_rewrite.

Un file .htaccess, inserito all’interno di una cartella del sito, permette di gestire facilmente alcune configurazioni ed operazioni come ad esempio redirect, riscrittura degli URL, protezione di una cartella per mezzo di user e password e molte altre.

Noi ci soffermeremo sulla riscrittura degli URL e ci aiuteremo con il mod_rewrite. Questo tutorial focalizza la propria attenzione sul modulo in ambiente Apache poiché è quello più usato. Per l’IIS, dato che non esiste un’unica versione la maggior parte delle quali è a pagamento, è consigliabile effettuare una ricerca su Google.

Il mod_rewrite è un modulo che ci permette di dire al server di interpretare un certo URL in un altro modo per mezzo di regole e condizioni. Le regole e le condizioni funzionano per mezzo di espressioni regolari. Quelle che vedremo saranno di semplice interpretazione, quindi niente paura.

Creiamo il file e accendiamo il motore con RewriteEngine

La prima cosa da fare è creare il file .htaccess nella cartella principale del server, non vi sto nemmeno a spiegare come Nel file è necessario “accendere il motore”, fare in modo che il nostro modulo mod_rewrite parta e possiamo iniziare con il scrivere:

RewriteEngine on

Ora cominciamo a scrivere le regole. In particolare oggi vedremo la direttiva RewriteBase, mentre domani vedremo RewriteRule e RewriteCond.

La direttiva RewriteBase

Il RewriteBase è utilizzato per indicare il path della cartella a cui applicare le nostre regole.

Facciamo un esempio. Supponiamo di avere un sito la cui struttura è come quella in figura. In home ci sono tutti i contenuti da visualizzare, mentre in scripts gli script php. La nostra home page in php è annidata nella cartella home, quindi per accedervi bisogna scrivere www.example.com/home/pagine/index.php

Cominciamo ad accorciare il nostro URL.

Se volessimo indicare come cartella principale home, ovvero fare in modo che la richiesta a www.example.com/home/index.php sia valida, dovremmo inserire:

RewriteEngine on
RewriteBase /home

all’interno del file .htaccess che andrà nella cartella home e nel file creare le nostre regole di riscrittura.

Sia per comodità, però, sia perché vogliamo ridurre al minimo l’URL del nostro sito, possiamo accorciare ulteriormente la base scrivendo:

RewriteEngine on
RewriteBase /

aggiungendo il file alla cartella principale del sito. Semplice, no? In questo modo possiamo creare le regole di riscrittura in modo da gestire una chiamata a www.example.com/index.php trasformandola in www.example.com/home/pagine/index.php automaticamente.

Per le regole di RewriteRule e le condizioni di RewriteCond, l’appuntamento è per domani

Alcuni servizi necessitano di funzioni e informazioni che, per essere completi, devono provenire da altri siti web. Se queste informazioni, poi, sono in continuo aggiornamento, le possibilità diventano 2: inserire le novità manualmente sul sito oppure realizzare un robot che aggiorna il tutto al posto nostro.

Entriamo nel dettaglio della seconda scelta.

Passi da seguire

Innanzitutto bisogna pensare che la realizzazione di un robot non è una cosa né immediata né tantomeno semplice. Possiamo dividere il nostro lavoro in 5 compiti:

• Individuazione delle pagine da acquisire
• Posizionamento del cursore all’interno della pagina
• Acquisizione dati e spostamento del cursore
• Operazioni finali sul codice
• Impostare il crontab

A seconda delle nostre esigenze, questi compiti possono essere più o meno complessi.

In questo articolo verrà dimostrato come realizzare un semplice robot che acquisisce tutte le headlines del sito Corriere.it

Individuazione delle pagine da acquisire

Precisiamo una cosa: realizzare un robot non è sempre possibile. In alcuni siti è espressamente vietato, mentre per altri bisogna tenere in considerazione i diritti d’autore. Quindi fate attenzione su cosa volete concentrarvi.

Il primo compito è l’individuazione delle pagine da acquisire. Nel nostro caso, ci focalizzeremo sulla home page e l’acquisiremo tramite il comando file_get_contents:

$content = file_get_contents("http://www.corriere.it/index.shtml");

oppure tramite una chiamata socket con fsockopen:

//connessione al sito:
$viart_xml = fsockopen("www.corriere.it", 80, $errno, $errstr, 12);
	// indicazione della pagina da chiamare:
	fputs($viart_xml, "GET /index.shtml HTTP/1.0\r\n");
	fputs($viart_xml, "Host: www. corriere.it\r\n");
	// referer da simulare, per alcuni siti è obbligatorio:
	fputs($viart_xml, "Referer: http://www.example.com\r\n");
	fputs($viart_xml, "User-Agent: Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1)\r\n\r\n");
	if (!$viart_xml) {
		die("$errstr ($errno)<br />\n");
	} else {
	$content = "";
	while (!feof($viart_xml)) {
		$content .= fgets($viart_xml, 1000000);
	}
	fclose($viart_xml);
}

La nostra pagina sarà codificata in HTML e sarà assegnata per intero alla variabile content.

Posizionamento del cursore all’interno della pagina

Acquisita la pagina, sarà necessario spostarci all’interno di essa e qui entra in gioco una funzione che può esserci molto utile:

function strlimit($text, $text_init = "", $text_end = "", $pos_init = 0)
{
	if (strlen($text_end) > 0)
		return substr($text, strlen($text_init) > 0 ? $pos = strpos($text, $text_init, $pos_init) + strlen($text_init) : 0, strpos($text, $text_end, $pos) - $pos);
	else
		return substr($text, strlen($text_init) > 0 ? strpos($text, $text_init, $pos_init) + strlen($text_init) : 0);
}

La funzione strlimit, realizzata ad hoc, ci permette di selezionare un testo all’interno di una variabile delimitato da text_init e text_end facendo partire la scansione da pos_init. Ad esempio:

$var = '1234564567890';
echo strlimit($var, '3', '8');    //output: 4564567
echo strlimit($var, '5', '8');    //output: 674567
echo strlimit($var, '5', '8', 6);     //output: 67

La selezione del testo può avvenire in due modi: permanentemente e temporaneamente. Una selezione permanente ci permette di gestire una parte di codice più piccola che non presenterà ambiguità, mentre una temporanea ci permette di operare senza alterare la sorgente.

Nel nostro esempio possiamo vedere come applicare questa selezione, effettuando le seguenti operazioni:

// La variabile con tutto il contenuto della pagina ricordo che è $content
$content = strlimit($content, 'maincontent', 'vaschetta3');
// questa è una selezione permanente, in cui l’html viene limitato alla parte sinistra della pagina, da maincontent (la prima notizia) a vaschetta3 (le 3 immagini in fondo)
// analizzando il codice si può notare che ogni articolo inizia con un ‘homearticle-box’ e con la funzione explode siamo in grado di metterli in un array:
$articles = explode('homearticle-box', $content);

Acquisizione dati e spostamento del cursore

Ora che abbiamo tutti gli articoli, possiamo muoverci all’interno di essi per acquisirne i dettagli quali titolo, sottotitolo e occhiello. Qui entrano in gioco le selezioni temporanee che lasciano intatto il codice sorgente. Vediamo come (per semplificare ipotizzo che non ci siano news straordinarie):

for ($i = 0; $i < count($articles); $i++) {
	$subtitle = strlimit($articles[$i], '<p>', '</p>');
	$title = strlimit($articles[$i], '<h2>', '</h2>');
	$occh = strlimit($articles[$i], 'class="hour"', '</p>');
	// …
	// qui ora vengono effettuate tutte quelle operazioni di pulizia e sistemazione dei tre oggetti, quail rimozione link, tag ecc. . Al termine assegniamo il risultato ad una variabile risultato.
	$risultato[$i] = array(
		'sottotitolo' => $subtitle,
		'titolo' => $title,
		'occhiello' => $occh
	);
}

A questo punto avremo un array risultato con tutti gli articoli pronti per essere visualizzati o salvati in un database.

Operazioni finali

Ora sarà possibile gestire l’array per visualizzare a video le informazioni acquisite o salvarle in un database. Per quest’ultima operazione è consigliabile controllare che ogni articolo non sia già inserito per evitare doppioni facendo un controllo sul link (che rimane fisso una volta scritto).

Un esempio potrebbe essere la visualizzazione degli articoli:

for ($i = 0; $i < count ($risultato); $i++) {
	echo '<h3>'.$risultato[$i]['sottotitolo'].'</h3>'."\n";
	echo '<h1>'.$risultato[$i]['titolo'].'</h1>' ."\n";
	echo '<h2>'.$risultato[$i]['occhiello'].'</h2>' ."\n";
	echo '<hr>'."\n\n";
}

Impostare il crontab

Completata la realizzazione della pagina si passa all’impostazione del cron. Ogni piattaforma ha proprie opzioni per mettere a punto questo strumento.

Per eseguire lo script php, di norma, occorre impostare il task in modo che esegua l’azione:

cd /var/www/vhosts/example.com/httpdocs; php -q robot.php

oppure un’azione simile in base alle impostazioni del server.

Un’ottima referenza per gli orari dei task, invece, è la Wikipedia che spiega con molti esempi come impostarli.

Impostato il cron, è consigliabile effettuare dei test per vedere se il tutto funzionerà a dovere, semplicemente digitando nel proprio browser l’indirizzo del robot e verificando che il risultato sia quello previsto.

Questo è quanto, se avete suggerimenti o informazioni commentate.

(Immagine alta: Flicker, à voir etc…)

Installando e lavorando con un web server, la prima cosa che ci viene in mente è: posso portare con me il lavoro e lavorare da un qualsiasi computer senza problemi?

In questo caso ci viene in aiuto lo XAMPP, uno dei più famosi  web server che comprende, tra i tanti componenti, un server web Apache, un server database MySql e supporta alcuni dei più diffusi linguaggi di programmazione come PHP e PERL.

Con questa breve guida, è possibile installare quanti web server si vuole per lavorare in piena mobilità, semplicemente scaricando il pacchetto ZIP e impostando le porte in modo che non creino conflitto con eventuali altre installazioni su altri supporti o computer. Noi ci occuperemo ci occuperemo di installare Apache e MySql.

Scaricare e preparare il pacchetto XAMPP

Innanzitutto è necessario scaricare il pacchetto XAMPP dal sito ufficiale (attualmente è disponibile la versione 1.7.1) in formato ZIP disponibile qui.

Una volta scaricato, è fortemente consigliato scompattarlo nella cartella principale del supporto USB utilizzato, in modo da avere tutte le cartelle e i programmi di avvio/arresto nella cartella X:\xampp (dove X, da ora in avanti è sempre la lettera del supporto USB).

Nel caso si scelga un’altra cartella, sarà necessario modificare i file di configurazione di tutti i componenti utilizzati.

A questo punto il server XAMPP è pronto per essere avviato… ma se abbiamo un altro web server già attivo sul pc oppure le porte che ne consentono il corretto funzionamento sono già occupate? La risposta nel prossimo paragrafo.

Risolvere conflitti di porte

Se è già presente un web server o un’applicazione occupa le porte predefinite (80, 443 e 3306), ci viene in soccorso un programma che si trova nella cartella xampp e si chiama “xampp-portcheck”.

Questa utility consente di verificare la disponibilità delle porte sopra citate, in modo da poter risolvere eventuali conflitti di porte.

Come si può notare dall’immagine, nel nostro caso è già presente un web server sul pc, quindi le porte richieste sono occupate. Per sistemare questo problema basta modificare le relative porte nei seguenti file (è possibile aprirli con il blocco note):

X:\xampp\apache\conf\httpd.conf
Cerca la linea
Listen 80
(nelle prime righe, subito prima dell’elenco dei LoadModule) e sostituisci la porta 80 con un’altra, ad esempio la 81, e cerca la linea
ServerName localhost:80
(subito dopo la l’elenco dei LoadModule) sostituendo anche qui con la porta indicata in precedenza

X:\xampp\apache\conf\extra\httpd-ssl.conf
Cerca la linea
Listen 443
(nelle prime righe) e sostituisci la porta 443 con un’altra, ad esempio la 444

X:\xampp\mysql\bin\my.ini
Cerca le 2 linee
port = 3306
(sono quasi una sotto l’altra) e sostituisci la porta 3306 con un’altra, ad esempio la 3307.

In questo modo è possibile avviare il web server senza problemi.

Separare la cartella dei documenti da quella del server

Un trucchetto molto utile è separare la cartella dei documenti dal server principale. Questa procedura permette di tenere ordinata la pennetta e di poter anche nascondere la cartella del web server dato che non sarà più utilizzata.

Ad esempio: vogliamo fare in modo tutti i documenti siano in X:\Siti web, anziché X:\xampp\htdocs. Tutto quello che bisogna fare è modificare due linee del file httpd.conf visto in precedenza:

X:\xampp\apache\conf\httpd.conf
Cerca la linea
DocumentRoot "/xampp/htdocs"
(poco dopo l’elenco dei LoadModule) e sostituisci la cartella con quella preferita senza la lettera dell’unità, nel nostro caso “/Siti web”, e cerca la linea
<Directory "/xampp/htdocs">
(qualche riga più sotto) sostituendo anche qui con la cartella indicata in precedenza.

Da notare che qui vengono inseriti i ‘/’, invece dei classici ‘\’ per indicare il percorso di una cartella.

E’ consigliabile, comunque, copiare la cartella phpMyAdmin da X:\xampp nella cartella desiderata per poter gestire i database di MySql. Dopo il termine della guida è possibile anche nascondere la cartella xampp

Avvio del web server

Siamo arrivati all’ultimo punto della guida, ovvero avviare il nostro web server. Per avviarlo, basta fare doppio clic su “xampp_start” nella cartella X:\xampp. Se la procedura seguita è corretta, basterà aprire il browser preferito e digitare la nostra home page locale http://localhost (oppure http://localhost:81 o altra porta se è stata modificata nei precedenti paragrafi) e verificare che venga visualizzata la prima pagina dello xampp oppure una pagina “Index of”.

Da ora è possibile inserire i file all’interno della cartella X:\xampp\htdocs oppure la propria cartella preferita se si è scelto di cambiarla.

Per fermare il web server è SEMPRE necessario avviare il programma “xampp_stop”. Togliere la pennetta senza fermare il web server rischia di renderla inutilizzabile se non dopo un riavvio o una formattazione.

Per comodità, è anche possibile creare due collegamenti dei programmi “xampp_start” e “xampp_stop” nella directory principale del supporto USB X:\, in modo da poter avviare ed arrestare facilmente il web server senza andarlo a ripescare all’interno della cartella X:\xampp.

Ecco dunque che il contenuto finale della nostra pennetta USB sarà simile a quello al lato.

Questo è tutto, se avete problemi, suggerimenti o commenti potete scriverli sotto l’articolo.

Buon lavoro!