Line data Source code
1 : #include "PageMetadataExtractor.h"
2 :
3 : #include <QXmlStreamReader>
4 :
5 8 : PageMetadata PageMetadataExtractor::extract(const QString& xhtml)
6 : {
7 8 : PageMetadata meta;
8 :
9 8 : QString ogTitle;
10 8 : QString ogDescription;
11 8 : QUrl ogImage;
12 8 : QString ogAuthor;
13 8 : QString htmlTitle;
14 8 : QString metaDescription;
15 8 : QString metaAuthor;
16 8 : QString htmlLang;
17 :
18 8 : QXmlStreamReader xml(xhtml);
19 :
20 401 : while (!xml.atEnd()) {
21 393 : xml.readNext();
22 :
23 393 : if (xml.isStartElement()) {
24 127 : QString tag = xml.name().toString().toLower();
25 :
26 : // Extract lang from <html lang="...">.
27 127 : if (tag == "html") {
28 8 : QXmlStreamAttributes attrs = xml.attributes();
29 8 : if (attrs.hasAttribute("lang")) {
30 3 : htmlLang = attrs.value("lang").toString().toLower();
31 : }
32 8 : }
33 :
34 : // Stop at <body> -- we only care about <head>.
35 127 : if (tag == "body") {
36 8 : break;
37 : }
38 :
39 119 : if (tag == "title") {
40 7 : htmlTitle = xml.readElementText().trimmed();
41 112 : } else if (tag == "meta") {
42 33 : QXmlStreamAttributes attrs = xml.attributes();
43 :
44 : // OpenGraph tags: <meta property="og:..." content="...">
45 46 : if (attrs.hasAttribute("property") && attrs.hasAttribute("content")) {
46 13 : QString property = attrs.value("property").toString().toLower();
47 13 : QString content = attrs.value("content").toString();
48 :
49 13 : if (property == "og:title") {
50 2 : ogTitle = content;
51 11 : } else if (property == "og:description") {
52 2 : ogDescription = content;
53 9 : } else if (property == "og:image") {
54 2 : ogImage = QUrl(content);
55 7 : } else if (property == "article:author") {
56 1 : ogAuthor = content;
57 : }
58 13 : }
59 :
60 : // Standard meta tags: <meta name="..." content="...">
61 51 : if (attrs.hasAttribute("name") && attrs.hasAttribute("content")) {
62 18 : QString name = attrs.value("name").toString().toLower();
63 18 : QString content = attrs.value("content").toString();
64 :
65 18 : if (name == "description") {
66 3 : metaDescription = content;
67 15 : } else if (name == "author") {
68 1 : metaAuthor = content;
69 : }
70 18 : }
71 33 : }
72 127 : }
73 : }
74 :
75 : // Apply priority: OG > standard HTML.
76 8 : meta.title = !ogTitle.isEmpty() ? ogTitle : htmlTitle;
77 8 : meta.description = !ogDescription.isEmpty() ? ogDescription : metaDescription;
78 8 : meta.imageUrl = ogImage;
79 8 : meta.author = !ogAuthor.isEmpty() ? ogAuthor : metaAuthor;
80 8 : meta.lang = htmlLang;
81 :
82 16 : return meta;
83 8 : }
|
