APIs de Búsqueda Web

Varios proyectos recientes que muestran información estadística sobre las plataformas sociales.

Entre ellos p.ej. http://simplymeasured.com/ . A partir de Tweets, amigos, etc…. estas webs ofrecen Dashboards para dar información acerca del éxito y el seguimiento de tus campañas en redes sociales.

No hay productos similares para la web abierta. La naturaleza de la información que se muestra en la web pública, respecto a las redes sociales, es de distinta naturaleza, y además el punto en el que se encuentra la información, pasa de concentrado en el caso de las redes sociales, a disperso en el caso de la web.

Para cualquier proyecto basado en la web abierta, un primer paso sería obtener una base de datos con el contenido de las webs, para a partir de criterios estadísticos poder clasificar.

No he encontrado ningún servicio en la web que ofrezca la posibilidad de acceso a contenido categorizado de la web.

En cambio, los principales motores de búsqueda, ofrecen Apis o servicios que permiten realizar búsquedas sobre su base de datos (como si lo realizaras como un usuario a través de la caja de texto del buscador):

Google:

Limita el número de peticiones que se hace desde una IP a través del uso de un Captcha, cuando las peticiones se realizan a través de Query URL con el formato : http://www.google.es/search?q=datos-a-buscar
Pues bien Google, hasta finales de 2010, disponía de un servicio de pago que permitía poder realizar un mayor volumen de queries. Este servicio ha sido suprimido y substituido por búsquedas sobre páginas determinadas.

Yahoo:

A través de su Proyecto BOSS (Build your Own Search Service), facilita también en versión de pago, un volumen de consultas de búsqueda.

Bing:

En cambio, el servicio de Microsoft BING, ofrece servicios de búsqueda API de forma gratuita. En este sentido Bing aún no tiene una posición suficientemente afianzada y por eso aún ofrece este tipo de servicio.

 

Como conclusión: es difícil ofrecer servicios estadísticos en la web abierta por la gran dispersión de contenidos. La web semántica parece que tiene que empezar a ofrecer conocimiento agregado a partir de la información dispersa. Proyectos como Wolphram Alpha intentan obtener conocimiento de la información no estructurada presente en la web abierta. En cambio el entorno de las redes sociales, permiten que en un único lugar puedas acceder a toda la información que debe de ser tratada para obtener conocimiento estadístico.

Warning: Cannot modify header information – headers already sent by (output started at

Trabajando con Php, cuando hacemos un session_start() , o utilizamos un comando header , en ocasiones nos encontramos con errores de este tipo:

Warning: session_start() [function.session-start]: Cannot send session cookie – headers already sent by (output started at

Warning: Cannot modify header information – headers already sent by (output started at

Estos errores aparecen cuando antes de utilizar estos comandos, se ha realizado alguna escritura desde la página php. Esta escritura, no tiene que realizarse exclusivamente mediante un comando echo o similar. Basta con que la etiqueta de inicio del código php ( <? ), no se encuentre en la primera línea, ya que el servidor web interpreta que debe enviar caracteres en blanco.

Así, para solventar esta incidencia, deberemos verificar que la própiea página que llama al session_start o al header , o cualquier include anterior , no sólo no están lanzando un echo, sinó que no tenga líneas vacías o con contenido fuera de etiquetas php.

Codificación de caracteres en paginas php

Recientemente he estado desarrollando una web corporativa en Polaco, y me he tenido que romper la cabeza para descubrir porqué los caracteres no aparecían correctamente en el explorador web.

Haciendo 4 búsquedas en internet, rápidamente veo lo que está sucediendo.

Se tiene que añadir el tag <meta http-equiv=”Content-Type” content=”text/html; charset=UTF-8″> dentro del header de la página html.

Además, cuando se accede a la base de datos mySql, se tiene que acceder al contenido del campo, anteponiendo la siguiente instrucción:

mysql_query(“SET NAMES ‘utf8′”) or die();

El campo que contiene el contenido en idioma polaco, deberá tener como Column Charset = utf8 , y como Column Collate = utf8_polish_ci

Con esto, en el servidor local de desarrollo que corre con Xampp, todo funcionaba Ok.

Pero cuando subía el código al servidor de hosting de PiensaSolutions, el formato del texto no aparecía correctamente. Parece que el servidor, asigna una codificación directamente, por lo que el charset asignado en la cabecera de la página html, es ignorado por el explorador web.

La solución: En la página php, se tiene que añadir el header(‘Content-Type: text/html; charset=UTF-8′);

Protección de código PHP

Cuando utilizamos PHP como entorno de trabajo para nuestros proyectos web, contamos con múltiples ventajas, como son el amplio uso por la comunidad de webmasters, su sencillez, y el barato precio que hay que pagar para adquirir una licencia.
 
Por otra parte, una de las mayores desventajas que presenta, es la vulnerabilidad de la privacidad del código creado.
Como lenguaje interpretado y no compilado, basta con acceder al fichero php para poder ver su contenido, por lo que la propiedad intelectual de nuestro trabajo está totalmente a la vista.
 
Esto nos sitúa en una posición de total dependencia de la honestidad de los administradores de nuestro hosting, ya que pueden acceder y acceden libremente, al contenido de sus servidores, ya que el servicio de hosting es un alquiler de espacio.

Hay varios productos que permiten encryptar mediante una pseudo compilación, el contenido php, como Zend pero para poder utilizarlo, se debe tener instalado en el servidor web, algo imposible si el servicio de hospedaje no permite realizar instalaciones, y únicamente podemos gestionar a partir de un panel de control.
 
Una alternativa es difuminar el código. Lanzar un proceso previo a la subida de los ficheros a un servidor web, que modifique la posición del código, así como el nombre de las variables y funciones, para que lo haga ilegible, pero que el compilador si que lo pueda interpretar. GridinSoft, dispone de un producto de este tipo.
 

Como última alternativa, podemos confiar plenamente en los administradores del servidor web, y que el servidor dónde están almacenados nuestros ficheros, no sufriran un ataque y nos roben nuestro código.