Семантика HTML для Pingback

С тех пор, как я неделю назад починил здесь на блоге pingback (глупая ошибка в конфигурации lighttpd), они (пинги) стали сюда снова приходить. Тут-то я и вспомнил штуку, которая давно меня анноит по поводу реализации приема пингов в WordPress.

Речь о том, что для именования авторов используется наивный (хоть и оправданный) подход: берется <title> той страницы, от имени которой пинг пришел. Результат местами выглядит коряво. Мне кажется, я придумал хорошее решение, которое использует старую забытую семантику HTML.

Pingback со стороны сервера

Для неиницированных краткий ввод о том, как работает pingback-сервер, который эти пинги принимает.

У сервера (например у этого блога) есть отдельный интерфейс, куда другие серверы (например developers.org.ua) может постучаться и сказать: "мой URL http://developers.org.ua/.../ сослался на твой URL http://softwaremaniacs.org/.../". И это все, что он передает. Дальше дело моего WordPress'а — пойти по указанному URL'у источника, убедиться, что ссылка на меня там действительно есть (то есть, это не спам), а дальше... А дальше все остается на волю реализации сервера: у него есть страница со ссылкой, и он может вытащить из нее любую информацию о том, как бы ее отобразить.

WordPress поступает так. В качестве текста комментария он вырезает небольшой фрагмент текста, отстрипанного от HTML-тегов вокруг того места, где нашел ссылку. В качестве автора комментария — <title> страницы. С текстом, кстати, можно поступать поинтересней: брать не произвольный кусок, а парсить HTML и выбирать целиком блочный (в понимании HTML) элемент, в котором лежит ссылка: <p>, <li>, <blockquote> и т.д. В Byteflow, если я не ошибаюсь, такое реализовано.

Это вот как раз то использование семантики, о котором я и говорю.

Имя автора

Есть в HTML малоиспользуемый элемент — <address>, который, цитируя спецификацию:

may be used by authors to supply contact information for a document or a major part of a document such as a form

... или, добавлю, "such as a post in a topic".

Точно так же, как текст комментария можно брать из блока, содержащего найденную ссылку, можно доставать и автора, просматривая все содержащие блоки от текущего и выше в поисках элемента <address>. Первый найденный — наиболее релевантный. Если никакой не нашелся, тогда да, можно использовать <title> в качестве fallback'а.

В псевдокоде это выглядит примерно так:

tree = parse_htm()
link = find_link('http://.../')
container = link.parent
while container != 'body':
    address = container.find('<address>')
    if address:
        break
    container = container.parent

Собственно и все. Единственное, это выглядит слегка нагружено из-за повторящихся поисков <address> вниз, но во-первых, пинг — не массовая операция, а во-вторых для документов нормального размера это будет в любом случае довольно быстро.

А знаете, что интересно! У меня в Cicero разметка статьи выглядит примерно вот так:

<li class="article" id="10522">
    <div class="meta">
      <address>
        <a href="/forum/users/1061/" title="http://.../">Автор</a>
      </address>
      ...
    </div>
    <div class="usertext">
      ...
    </div>

Когда я это делал, ни про какой pingback не думал. Просто подумалось, что на всякий случай лучше завернуть имя автора в <address>, вдруг пригодится семантика. Вот и пригодилась :-)

Воззвания

Уважаемые авторы шаблонов блогов! Заверните, пожалуйста, имена авторов постов и комментариев в <address>.

Уважаемые авторы блог-движков! Реализуйте, пожалуйста, pingback-серверы с семантикой поиска авторов.

Это все так несложно... Давайте сделаем мир интересней :-)