Todos contra Google

En mi primer proyecto, andosilla.net, me comprometí a publicar todas las notas de prensa aparecidas en Diario de Navarra relacionadas con el pueblo.
Durante varios meses lo he hecho manualmente, pero hace unos días decidí intentar hacerlo automáticamente con algún Script.

He estado programando un spider que se conecta a las diferentes secciones de Diario de Navarra y sigue los enlaces de las noticias en busca de contenido interesante, que le paso en una variable llamada "Chivato". En caso de que encuentre una noticia interesante, la depura, limpia el código html le da un formato apto para las noticias del portal y lo inserta en la base de datos, en caso de que se haya requerido también pasará la noticia a portada.

Durante varios días he estado probando el script y corrigiendo pequeños fallos, una vez que lo he depurado y funciona perfectamente, he creado una tarea CRON en el servidor para que lo ejecute automáticamente 3 veces al día, para buscar posibles actualizaciones en las noticias. La orden del comando es:


De tal forma que ejecuto el script, que busca e inserta las noticias en la base de datos y despues borró el resultado del script, porque realmente no me interesa.

Despues de hacer esto, me he dado cuenta de que una de las cosas más importantes para que una web triunfe, es automatizar en la medida de lo posible todos los procesos, porque de esta forma, puedes dedicarle más tiempo a otras tareas que lo requieran (backups, altas en directorios, creación de logos, noticias personales, etc...)

Adjunto el código del Script que lee las noticias para que podia echarle un vistazo, es licencia GPL, así que si quereis podeis adaptarlo a vuestra página, es totalmente gratuito; pero por favor, publicar vuestro nuevo código, o al menos enviarmelo por e-mail y yo lo publicaré.