
<?php
//
// 국립국어원 표준국어대사전 클리핑 프로그램
//
// 이 프로그램은 누구나 수정할 수 있지만 배포는 금지합니다.
// 이 프로그램에 대한 어떠한 질문도 받지 않습니다.
// 따라서 이 프로그램을 실행해서 잘 동작하면 웃고, 그렇지 않으면 이 프로그램을 바로 지우기 바랍니다.
// 
// 판올림도 없고 버그 수정도 없습니다.
// 이 프로그램을 사용함으로 발생하는 모든 책임은 본인 스스로에게 있습니다.
//
// $min, $max로 클리핑 범위를 지정
// 프로그램과 같은 폴더에 korea.$max.txt 형태의 파일로 데이타가 클리핑됨
// 이미지가 있으면 자동으로 이미지를 내려받음
// 이미지 뿐만 아니라 본문에 포함된 한자, 고어, 수식등 모든 이미지를 처리
//
set_time_limit(0);
include_once('simple_html_dom.php');
$min=1;
$max=518063;

function getQuery($host_ip, $port, $query) {
    global $nuke_url;
    $hostname = ereg_replace("^http://([^/]*)[/]*", "\\1", $nuke_url);
    $referer = "http://".$_SERVER["HTTP_HOST"].$_SERVER["REQUEST_URI"];
    $fp = @fsockopen($host_ip, $port,  &$errno, &$errstr, 10);
    if(!$fp) {
        echo "$errstr: $errno <br>\n";
    }else {
        @fwrite($fp, "GET $query HTTP/1.0\r\nHost: $hostname\r\nUser-Agent: DoA/1.1\nReferer: $referer\nConnection: Close\r\n\r\n");
        while(!@feof($fp)) {
            $list .= @fgets($fp, 1024);
        }
    }
    @fclose($fp); 

    list($header, $body) = preg_split("/\r\n\r\n/", $list, 2);
    return $body;
}

function getDict($str_html) {
    $str_html = str_replace('‘<’', '‘<’',$str_html);
    $str_html = str_replace('‘>’', '‘>’',$str_html);
    $str_html = strip_tags($str_html, '<div><ul><li><img><span><td><br>');
    $pattern=array('sword', 'provtitle','exp', 'sdblue', 'NumRG', 'NumRG2', 'NumNO', 'Use_icon', 'idiom_list', 'prov', 'idiom');
    $replace=array(
        'font-family:AppleGothic, Sans-serif ; font-size:14px; font-weight:bold; color:#336699', 
        '', 
        'font-family:AppleGothic, Sans-serif;color:#000000; line-height:1.5; padding:5px;list-style: none;', 
        'font-family:AppleGothic, Sans-serif; font-size:13px;color:#336699;',
        'font-family:tahoma; font-weight:bold;color:#549606; padding-top:-10px; margin-bottom:-0.1;vertical-align:top', 
        'font-family:tahoma;  font-weight:bold;color:#336699;padding-left:8px; margin-top:-10;vertical-align:top;',
        'width:45px; font-weight:bold;color:#cb4a00;vertical-align:top; text-align:right', 
        'color:#444444; padding-left:20px;font-size: 13px',
        'list-style: none;padding:5px;',
        'background:url(icon_prov.gif) no-repeat; background-position:0px 5px; padding:5px 0px 5px 30px;line-height:1.3', 
        'background:url(icon_idiom.gif) no-repeat;background-position:0px 5px;  padding:5px 0px 5px 30px; line-height:1.3');
    $str_html = str_replace($pattern, $replace, $str_html);
    $html= str_get_html($str_html);

    foreach($html->find('span[id=print_area]') as $article) {

        $item['title1'] = trim($article->find('span.word_title', 0)->plaintext);
        $pattern = array("^", "-", "0", "1", "2", "3", "4", "5", "6", "7", "8", "9");
        $replace = array('', '', '', '', '', '', '', '', '', '', '', '', '', '');
        $item['title1'] = str_replace($pattern, $replace, $item['title1']);
        $item['title2'] = trim($article->find('td.pb10', 0)->plaintext);
        $item['use']=trim($article->find('td[id=use_title]', 0)->plaintext);
        $pattern = array("\r\n", "\n", "\r", "\t", " ");
        $replace = array('', '', '', '', '');
        $item['title2'] = str_replace($pattern, $replace, $item['title2']);
        $item['use'] = str_replace($pattern, $replace, $item['use']);
        list($temp, $item['use'])=split(':', $item['use']);
        $item['list1'] = trim($article->find('div.list', 0)->innertext);
        if($article->find('div.list2', 0)) {
            $item['list1'] .= "<br>".trim($article->find('div.list2', 0)->innertext);
            $diff++;
        }
        if($article->find('div.list2', 1)) {
            $item['list1'] .= "<br>".trim($article->find('div.list2', 1)->innertext);
            $diff++;
        }

        $pattern = array("\r\n", "\n", "\r", "\t");
        $replace = array('', '', '', '');
        $item['list1'] = str_replace($pattern, $replace, $item['list1']);
        $item['list2'] = trim($article->find('div', 1+$diff)->innertext);
        $item['list2'] = str_replace($pattern, $replace, $item['list2']);
        $item['list3'] = trim($article->find('div', 2+$diff)->innertext);
        $item['list3'] = str_replace($pattern, $replace, $item['list3']);
        $item['list4'] = trim($article->find('div', 3+$diff)->innertext);
        $item['list4'] = str_replace($pattern, $replace, $item['list4']);
        $item['list5'] = trim($article->find('div', 4+$diff)->innertext);
        $item['list5'] = str_replace($pattern, $replace, $item['list5']);
        $item['list6'] = trim($article->find('div', 5+$diff)->innertext);
        $item['list6'] = str_replace($pattern, $replace, $item['list6']);
    }

    $html->clear();
    unset($html);
    return $item;
}

function getHtml($num) {
    $query = '/search/View.jsp?idx='.$num;
    $str_html = getQuery('stdweb2.korean.go.kr', 80, $query);
    return $str_html;
}

function saveImg($url) {
    $host=parse_url($url);
    $img = getQuery($host['host'], 80, $host['path']);
    $file=split('/', $host['path']);
    $filename=array_pop($file);
    $fp=fopen($filename, 'w');
    fwrite($fp, $img);
    fclose($fp);
    return $filename;
}

function getImgInfo($img) {
    $html= str_get_html($img);
    $url=$html->find('img', 0)->src;
    $alt=$html->find('img', 0)->alt;
    return array($url, $alt);
}

function saveDict($filename, $cont) {
    $fp=fopen($filename, 'a');
    fwrite($fp, $cont);
    fclose($fp);
}

header("Content-Type: text/html; charset=utf-8");

for($i=$min; $i <= $max; $i++) {
$str_html=getHtml($i);
$dict=getDict($str_html);

if($dict['img']!='') {
    $dict['img']=saveImg($dict['img']);
}

if($dict['title1']=='') {
    $count++;
    continue;
}
$saveDict = $dict['title1']."\t<div style='font-weight: bold; font-size: 20px; color: #0000ff'>".$dict['title2']."</div>";
if($dict['use']!='') $saveDict .= "<br><b>◈ 활용</b>:".$dict['use']."<br>";

if($dict['list1']!=''){
    if(preg_match("/<img.*/",$dict['list1'])) {
        list($url, $alt) = getImgInfo($dict['list1']);
        $filename=saveImg($url);
        if(preg_match("/\.gif/is", $filename)) {
            $dict['list1']=str_replace($url, "\"$filename\"", $dict['list1']);
            $saveDict .= $dict['list1'];
        }else $saveDict .= "<center><img src='".$filename."' width='300'><br>".$alt."</center>";
    }else $saveDict .= $dict['list1'];
}

if($dict['list2']!=''){
    if(preg_match("/<img.*/",$dict['list2'])) {
        list($url, $alt) = getImgInfo($dict['list2']);
        $filename=saveImg($url);
        if(preg_match("/\.gif/is", $filename)) {
            $dict['list2']=str_replace($url, "\"$filename\"", $dict['list2']);
            $saveDict .= $dict['list2'];
        }else $saveDict .= "<center><img src='".$filename."' width='300'><br>".$alt."</center>";
    }else $saveDict .= "<br>".$dict['list2'];
}

if($dict['list3']!=''){
    if(preg_match("/<img.*/",$dict['list3'])) {
        list($url, $alt) = getImgInfo($dict['list3']);
        $filename=saveImg($url);
        if(preg_match("/\.gif/is", $filename)) {
            $dict['list3']=str_replace($url, "\"$filename\"", $dict['list3']);
            $saveDict .= $dict['list3'];
        }else $saveDict .= "<center><img src='".$filename."' width='300'><br>".$alt."</center>";
    }else $saveDict .= "<br>".$dict['list3'];
}

if($dict['list4']!=''){
    if(preg_match("/<img.*/",$dict['list4'])) {
        list($url, $alt) = getImgInfo($dict['list4']);
        $filename=saveImg($url);
        if(preg_match("/\.gif/is", $filename)) {
            $dict['list4']=str_replace($url, "\"$filename\"", $dict['list4']);
            $saveDict .= $dict['list4'];
        }else $saveDict .= "<center><img src='".$filename."' width='300'><br>".$alt."</center>";
    }else $saveDict .= "<br>".$dict['list4'];
}

if($dict['list5']!=''){
    if(preg_match("/<img.*/",$dict['list5'])) {
        list($url, $alt) = getImgInfo($dict['list5']);
        $filename=saveImg($url);
        if(preg_match("/\.gif/is", $filename)) {
            $dict['list5']=str_replace($url, "\"$filename\"", $dict['list5']);
            $saveDict .= $dict['list5'];
        }else $saveDict .= "<center><img src='".$filename."' width='300'><br>".$alt."</center>";
    }else $saveDict .= "<br>".$dict['list5'];
}

if($dict['list6']!=''){
    if(preg_match("/<img.*/",$dict['list6'])) {
        list($url, $alt) = getImgInfo($dict['list6']);
        $filename=saveImg($url);
        if(preg_match("/\.gif/is", $filename)) {
            $dict['list6']=str_replace($url, "\"$filename\"", $dict['list6']);
            $saveDict .= $dict['list6'];
        }else $saveDict .= "<center><img src='".$filename."' width='300'><br>".$alt."</center>";
    }else $saveDict .= "<br>".$dict['list6'];
}

$saveDict=str_replace('class=', 'style=', $saveDict);
$saveDict=str_replace('id="idiom_list"', 'style="list-style: none;"', $saveDict);
$saveDict=str_replace('id="', 'style="', $saveDict);
$saveDict=preg_replace("/<span style=\"Definition\">(.*?)<\/span>/is", "$1", $saveDict);
$saveDict=preg_replace("/<ul style=\"\">(.*?)<\/ul>/is", "<span style='font-size: 20px; color: #CC00FF; font-weight: bold;'>$1</span>", $saveDict);
$saveDict=preg_replace("/<span style=\"color:#444444; padding-left:20px;font-size: 13px\">¶<\/span> *<span style=\"Use\">(.*?)<\/span>/is", "<div style='color:#444444; padding-left: 20px; font-size: 12px; line-height: 120%'>¶ $1</div>", $saveDict);
    saveDict('korea'.$max.'.txt', $saveDict."\n");
    $time=date("H:i:s");
    echo "<br>$i : $count : $time -".$saveDict;
}
?>