Add support for structured data and more OpenGraph tags to link cards (#16938)
Save preview cards under their canonical URL Increase max redirects to follow from 2 to 3th-downstream
parent
91bd8b921b
commit
4dc87ffc06
@ -0,0 +1,200 @@
|
|||||||
|
# frozen_string_literal: true
|
||||||
|
|
||||||
|
class LinkDetailsExtractor
|
||||||
|
include ActionView::Helpers::TagHelper
|
||||||
|
|
||||||
|
class StructuredData
|
||||||
|
def initialize(data)
|
||||||
|
@data = data
|
||||||
|
end
|
||||||
|
|
||||||
|
def headline
|
||||||
|
json['headline']
|
||||||
|
end
|
||||||
|
|
||||||
|
def description
|
||||||
|
json['description']
|
||||||
|
end
|
||||||
|
|
||||||
|
def image
|
||||||
|
obj = first_of_value(json['image'])
|
||||||
|
|
||||||
|
return obj['url'] if obj.is_a?(Hash)
|
||||||
|
|
||||||
|
obj
|
||||||
|
end
|
||||||
|
|
||||||
|
def date_published
|
||||||
|
json['datePublished']
|
||||||
|
end
|
||||||
|
|
||||||
|
def date_modified
|
||||||
|
json['dateModified']
|
||||||
|
end
|
||||||
|
|
||||||
|
def author_name
|
||||||
|
author['name']
|
||||||
|
end
|
||||||
|
|
||||||
|
def author_url
|
||||||
|
author['url']
|
||||||
|
end
|
||||||
|
|
||||||
|
def publisher_name
|
||||||
|
publisher['name']
|
||||||
|
end
|
||||||
|
|
||||||
|
private
|
||||||
|
|
||||||
|
def author
|
||||||
|
first_of_value(json['author']) || {}
|
||||||
|
end
|
||||||
|
|
||||||
|
def publisher
|
||||||
|
first_of_value(json['publisher']) || {}
|
||||||
|
end
|
||||||
|
|
||||||
|
def first_of_value(arr)
|
||||||
|
arr.is_a?(Array) ? arr.first : arr
|
||||||
|
end
|
||||||
|
|
||||||
|
def json
|
||||||
|
@json ||= Oj.load(@data)
|
||||||
|
end
|
||||||
|
end
|
||||||
|
|
||||||
|
def initialize(original_url, html, html_charset)
|
||||||
|
@original_url = Addressable::URI.parse(original_url)
|
||||||
|
@html = html
|
||||||
|
@html_charset = html_charset
|
||||||
|
end
|
||||||
|
|
||||||
|
def to_preview_card_attributes
|
||||||
|
{
|
||||||
|
title: title || '',
|
||||||
|
description: description || '',
|
||||||
|
image_remote_url: image,
|
||||||
|
type: type,
|
||||||
|
width: width || 0,
|
||||||
|
height: height || 0,
|
||||||
|
html: html || '',
|
||||||
|
provider_name: provider_name || '',
|
||||||
|
provider_url: provider_url || '',
|
||||||
|
author_name: author_name || '',
|
||||||
|
author_url: author_url || '',
|
||||||
|
embed_url: embed_url || '',
|
||||||
|
}
|
||||||
|
end
|
||||||
|
|
||||||
|
def type
|
||||||
|
player_url.present? ? :video : :link
|
||||||
|
end
|
||||||
|
|
||||||
|
def html
|
||||||
|
player_url.present? ? content_tag(:iframe, src: player_url, width: width, height: height, allowtransparency: 'true', scrolling: 'no', frameborder: '0') : nil
|
||||||
|
end
|
||||||
|
|
||||||
|
def width
|
||||||
|
opengraph_tag('twitter:player:width')
|
||||||
|
end
|
||||||
|
|
||||||
|
def height
|
||||||
|
opengraph_tag('twitter:player:height')
|
||||||
|
end
|
||||||
|
|
||||||
|
def title
|
||||||
|
structured_data&.headline || opengraph_tag('og:title') || document.xpath('//title').map(&:content).first
|
||||||
|
end
|
||||||
|
|
||||||
|
def description
|
||||||
|
structured_data&.description || opengraph_tag('og:description') || meta_tag('description')
|
||||||
|
end
|
||||||
|
|
||||||
|
def image
|
||||||
|
valid_url_or_nil(opengraph_tag('og:image'))
|
||||||
|
end
|
||||||
|
|
||||||
|
def canonical_url
|
||||||
|
valid_url_or_nil(opengraph_tag('og:url') || link_tag('canonical'), same_origin_only: true) || @original_url.to_s
|
||||||
|
end
|
||||||
|
|
||||||
|
def provider_name
|
||||||
|
structured_data&.publisher_name || opengraph_tag('og:site_name')
|
||||||
|
end
|
||||||
|
|
||||||
|
def provider_url
|
||||||
|
valid_url_or_nil(host_to_url(opengraph_tag('og:site')))
|
||||||
|
end
|
||||||
|
|
||||||
|
def author_name
|
||||||
|
structured_data&.author_name || opengraph_tag('og:author') || opengraph_tag('og:author:username')
|
||||||
|
end
|
||||||
|
|
||||||
|
def author_url
|
||||||
|
structured_data&.author_url
|
||||||
|
end
|
||||||
|
|
||||||
|
def embed_url
|
||||||
|
valid_url_or_nil(opengraph_tag('twitter:player:stream'))
|
||||||
|
end
|
||||||
|
|
||||||
|
private
|
||||||
|
|
||||||
|
def player_url
|
||||||
|
valid_url_or_nil(opengraph_tag('twitter:player'))
|
||||||
|
end
|
||||||
|
|
||||||
|
def host_to_url(str)
|
||||||
|
return if str.blank?
|
||||||
|
|
||||||
|
str.start_with?(/https?:\/\//) ? str : "http://#{str}"
|
||||||
|
end
|
||||||
|
|
||||||
|
def valid_url_or_nil(str, same_origin_only: false)
|
||||||
|
return if str.blank?
|
||||||
|
|
||||||
|
url = @original_url + Addressable::URI.parse(str)
|
||||||
|
|
||||||
|
return if url.host.blank? || !%w(http https).include?(url.scheme) || (same_origin_only && url.host != @original_url.host)
|
||||||
|
|
||||||
|
url.to_s
|
||||||
|
rescue Addressable::URI::InvalidURIError
|
||||||
|
nil
|
||||||
|
end
|
||||||
|
|
||||||
|
def link_tag(name)
|
||||||
|
document.xpath("//link[@rel=\"#{name}\"]").map { |link| link['href'] }.first
|
||||||
|
end
|
||||||
|
|
||||||
|
def opengraph_tag(name)
|
||||||
|
document.xpath("//meta[@property=\"#{name}\" or @name=\"#{name}\"]").map { |meta| meta['content'] }.first
|
||||||
|
end
|
||||||
|
|
||||||
|
def meta_tag(name)
|
||||||
|
document.xpath("//meta[@name=\"#{name}\"]").map { |meta| meta['content'] }.first
|
||||||
|
end
|
||||||
|
|
||||||
|
def structured_data
|
||||||
|
@structured_data ||= begin
|
||||||
|
json_ld = document.xpath('//script[@type="application/ld+json"]').map(&:content).first
|
||||||
|
json_ld.present? ? StructuredData.new(json_ld) : nil
|
||||||
|
end
|
||||||
|
end
|
||||||
|
|
||||||
|
def document
|
||||||
|
@document ||= Nokogiri::HTML(@html, nil, encoding)
|
||||||
|
end
|
||||||
|
|
||||||
|
def encoding
|
||||||
|
@encoding ||= begin
|
||||||
|
guess = detector.detect(@html, @html_charset)
|
||||||
|
guess&.fetch(:confidence, 0).to_i > 60 ? guess&.fetch(:encoding, nil) : nil
|
||||||
|
end
|
||||||
|
end
|
||||||
|
|
||||||
|
def detector
|
||||||
|
@detector ||= CharlockHolmes::EncodingDetector.new.tap do |detector|
|
||||||
|
detector.strip_tags = true
|
||||||
|
end
|
||||||
|
end
|
||||||
|
end
|
@ -0,0 +1,29 @@
|
|||||||
|
require 'rails_helper'
|
||||||
|
|
||||||
|
RSpec.describe LinkDetailsExtractor do
|
||||||
|
let(:original_url) { '' }
|
||||||
|
let(:html) { '' }
|
||||||
|
let(:html_charset) { nil }
|
||||||
|
|
||||||
|
subject { described_class.new(original_url, html, html_charset) }
|
||||||
|
|
||||||
|
describe '#canonical_url' do
|
||||||
|
let(:original_url) { 'https://foo.com/article?bar=baz123' }
|
||||||
|
|
||||||
|
context 'when canonical URL points to another host' do
|
||||||
|
let(:html) { '<!doctype html><link rel="canonical" href="https://bar.com/different-article" />' }
|
||||||
|
|
||||||
|
it 'ignores the canonical URLs' do
|
||||||
|
expect(subject.canonical_url).to eq original_url
|
||||||
|
end
|
||||||
|
end
|
||||||
|
|
||||||
|
context 'when canonical URL points to the same host' do
|
||||||
|
let(:html) { '<!doctype html><link rel="canonical" href="https://foo.com/article" />' }
|
||||||
|
|
||||||
|
it 'ignores the canonical URLs' do
|
||||||
|
expect(subject.canonical_url).to eq 'https://foo.com/article'
|
||||||
|
end
|
||||||
|
end
|
||||||
|
end
|
||||||
|
end
|
Loading…
Reference in new issue