Vytěžování stránek

Každý autor webu si při procházení Internetem pečlivě všímá efektů a prvků stránek. Často se přitom objeví myšlenka "tohle chci mít také" nebo alespoň "to by mě zajímalo, jak je to udělané".

Vytěžování je zpravodajský termín, který symbolizuje snahu dostat ze zdroje co se dá. Skoro by se dalo napsat vykrádání. Otázku duševního vlastnictví a autorských práv skutečně nelze přecházet bez povšimnutí (ke konci se o tom zmíním). Nyní mi ale jde jen o technickou stránku stahování a ukládání textu, obrázků, skriptů, stylů, flashí a appletů.

Přístupnost prvků

Ne všechno se dá stáhnout. Hlavně nejdou stáhnout serverové skripty, protože to důležité zůstává na serveru a klientovi se posílají jenom výsledky. Představte si to jako úřednici na poště, která sedí za sklem. Komunikujete jenom skulinou, to důležité zůstává nepřístupné. Takže třeba poštovní skript z Postu.cz nebo vyhledávač google.com nestáhnete.

Ale všechno, co se posílá prohlížeči, se dá nějak uložit a využít. To znamená

Všechny takové objekty si můžete uložit a předělat (kromě appletů a flashí, ty se předělávají špatně). Nejzajímavější bývají právě obrázky a JavaScripty.

Metody vytěžování

Jedna stránka obvykle není jenom jeden soubor. Je to více souborů, které jsou z toho prvního *.html souboru volány a načítány. Jak získat ten první i všechny ostatní soubory:

Ukládání HTML

Základní způsob uložení souborů z Internetu. Většinou to znáte, takže to můžete přeskočit. V prohlížeči (nejčastěji Internet Explorer) se zadá příkaz Soubor > Uložit jako (v angl. File > Save as).

Internet Explorer

Prohlížeč od Microsoftu se způsobem ukládání stránek poněkud liší od ostatních prohlížečů. Dává totiž na výběr, jak chci stránku uložit:

Normální HTML

Stránka se uloží přesně tak, jak dorazila ze serveru. Kód se při ukládání nezmění. Bude to čisté HTML, ostatní soubory (obrázky apod.) se neuloží. Pokud je chcete, musíte si je postahovat jinými metodami (nejčastěji analýzou kódu).

Obsahuje-li stránka rámy, uloží se jenom definice rámů (frameset). V jiných prohlížečích, než je Internet Explorer, se dá kliknout do rámu a zvolit uložit jako.

Úplná stránka

Zvolíte-li při ukládání v Internet Exploreru uložit jako úplná stránka, uloží se ten první html soubor společně se všemi dalšími, které jsou ve stránce použity. To jsou obrázky, skripty, styly, všechno. Tyto všechny ostatní soubory se uloží do složky (aneb adresáře) se zadaným jménem + "_soubory". Např. uložím soubor pavouci.htm a vedle něj bude složka pavouci_soubory.

Určitě chápete, že to je velmi efektivní metoda vytěžování stránek. Nemusím nic složitě ukládat a mám stránku doma na disku. Drobnou nevýhodou přitom je, že se původní html soubor při ukládání změní tak, aby adresy vložených souborů mířily to té složky se_soubory, měnívá se kódování. Další detail je v tom, že se někdy neuloží úplně všechny soubory (např. skripty volané skriptem to nestáhne).

Ukládání obrázků

Na obrázek se klikne pravým tlačítkem myši a zvolí se uložit jako. Když se klikne mimo obrázek na obrázkové pozadí, nabízí to taky volbu uložit pozadí.

Analýza HTML kódu

K této metodě studia se přistupuje v případě, že to potřebuji spíše pochopit, než že bych to chtěl stahovat. Dříve se to potřebovalo i pro stahování (to ale odboural IE kompletním ukládáním), dnes to používám, když potřebuji něco rychle.

Většinou mě na stránce zaujme nějaký prvek (třeba zajímavé tlačítko nebo nějaká chyba). Pak stojím před dvěma úkoly:

Hledání prvku v kódu

Najdu si na stránce nějaký jedinečný text, který je blízko studovaného prvku. Pak dám příkaz Zobrazit > Zdroj. Objeví se textový editor (nejčastěji Notepad). Zadám vyhledat ten jedinečný řetězec (v Notepadu klávesa F3). V Notepadu se označí a dá se předpokládat, že studovaný prvek bude někde blízko.

Když ten jedinečný řetězec nebude nalezen, tak zkuste jiný, raději kratší.

Pro hledání prvků v HTML kódu je potřeba trochu praktických zkušeností a znalost HTML tagů.

Linkované soubory

Tak dejme tomu, že jsem nějaký prvek, třeba vnořený rám (iframe), který si načítá obsah z jiného html souboru. V kódu to pak vypadá třeba takto:

Chci-li si stáhnout nebo prohlédnout ty načítané soubory, musím napřed získat jejich adresu. Tu musím poskládat. Napřed hledám atribut src nebo href (v tomto případě je to src). To jsou atributy, které obvykle slouží k linkování souborů.

Pak musím vzít aktuální adresu dokumentu, smazat jméno souboru (vše za posledním lomítkem) a přidat to, co jsem zjistil ze src nebo href. Např. kdyby adresa analyzovaného souboru byla http://www.zvířátka.cz/sloni/africky.htm a src="stopy/prava_predni.htm", tak ten načítaný soubor bude mít absolutní adresu http://www.zvířátka.cz/sloni/stopy/prava_predni.htm.

Pokud src nebo href obsahují dvě tečky (../), tak to znamená nadřazený adresář. Např. Kdyby v předchozím příkladu bylo src="../menu.htm", tak má linkovaný soubor adresu http://www.zvířátka.cz/menu.htm

Takto získanou adresu bych zadal do prohlížeče, načež ta studovaná stránka by se mi otevřela v novém okně. Horší by to bylo, kdyby to nebyla stránka, ale třeba skript s příponou *.js nebo applet s příponou *.class. Ten by se musel získat jiným způsobem (ale často se zeptá, jestli se má spustit nebo uložit, tak se dá uložit a pak se prohlédne). Extrémně jistý způsob stahování je udělat si na disku stránku s odkazem na ten žádaný soubor, pak kliknout pravým tlačítkem > Uložit cíl jako (to se používá, až když všechno selže).

Druhy linkovaných souborů

Musíte si vždycky zjistit jméno toho souboru, který v tabulce zaměňuji jménem adresa.*.

Maskované odkazy

V normálním případě když se přejede myší odkaz, tak se na stavovém řádku (šedivá linka vlevo dole) zobrazí cíl odkazu. Je to velmi příjemné, alespoň je rovnou vidět, kam odkazy míří. Určitým skriptem se ale dá udělat, že se to tam zobrazovat nebude. Nebudu zde tento kód rozebírat, ale nastíním, jak zvědět, kam odkaz vede, aniž bych na to klikal.

Základní možnost je samozřejmě vlézt do kódu a hledat. To je pomalé. Rychlejší je kliknout na odkaz pravým tlačítkem > kopírovat zástupce. Pak kliknout do řádku adresy (nebo do texťáku) a vložit. Hned je to vidět.

Druh	Příklad kódu (zkráceně)
skript	`<script src="adresa.js"></script>`
obrázek	`<img src="adresa.gif">`
css styl	`<link rel="stylesheet" href="adresa.css">`
oblíbená ikona	`<link rel="shortcut icon" href="adresa.ico">`
klikací mapa	`<img src="cokoliv" usemap="adresa.html#mapa">`
Java applet	`<applet code="adresa.class"></applet>`
Flash	`<object ...><param name="movie" value="adresa.swf"></object>`
zvuk na pozadí	`<bgsound scr="adresa.mid">`
rám (frame)	`<frame src="adresa.htm">`
iframe (vnořený rám)	`<iframe src="adresa.htm"></iframe>`

Kopírování z HTML kódu

Teď už umíte stáhnout javaScriptové soubory *js. Hodně JavaScriptů se volně vyskytuje v HTML kódu, skript je tam jenom obalen značkami <script> a </script>. Takový kód se dá stáhnout prostým zkopírováním. Skript je vidět rovnou ve zdrojovém kódu. Jeho změnami si ho můžete přizpůsobit podle svých potřeb. Chce to trochu praxe, ale některé kódy by zvládla upravit i cvičená opice.

Z HTML kódu se dají zkopírovat i celá rozvržení stránek, tabulkový design, adresy odkazů.

Duplikace formulářů

Dalším oblíbeným druhem vytěžování je duplikace formulářů: zkopíruji si stránku s formulářem, upravím si ho (zachovám jména polí name) a namířím na cizí stránku (nutno zadat absolutní adresu do action). Takto si můžu udělat třeba vyhledávání v celém Internetu, přihlašování do své pošty, odesílání esemesek. Jediná nevýhoda těchto formulářů: po odeslání se zobrazí stránka, která není moje (to je ale zároveň výhoda: není to plagiátorství).

Využití cache paměti

Uživatelé modemů (většinou nepřipojení) s oblibou lezou do cache pamětí prohlížečů, protože tam zůstávají soubory, pro které by se jinak museli připojovat. Uživatelé Internet Exploreru najdou složku se staženými soubory příkazem Nástroje > Možnosti > Obecné, dočasné soubory > Nastavení > Zobrazit soubory. Dá se to najít i na disku v C:\windows\temporary internet files, ale tam je to komprimované.

Pokud jsou k soubory k nalezení, dají se zkopírovat a můžete si s nimi hrát.

Stahovací programy

Vím, že existují programy, které projdou celou stránku a stáhnou ji se vším všudy. Některé dokonce umějí stahovat i stránky, na které jenom vedou odkazy (dá se nastavit úroveň). Žádný takový program nepoužívám, napište mi prosím, jaké s nimi máte zkušenosti, případně kde se dají stáhnout.

Použití stažených souborů

Jakmile jednou máte data na disku, tak s nimi můžete dělat cokoliv (odhlédneme-li od autorských práv). Můžete je analyzovat, inspirovat se jimi, nebo je vystavit na svých stránkách. Před tím je můžete změnit, pokud to dovedete.

Já doporučuji používat stažené soubory zejména pro inspiraci. To dělejte tak, jak umíte. Já si čtu zdrojáky.

Kdo má oblíbený nějaký editor, ten si rád celé stránky natahuje rovnou do toho programu a html upravuje rovnou v něm.

Přímé použití stažených souborů přichází v úvahu snad jen u ilustrační grafiky. V trochu pozměněné formě se používají skripty.

Autorská práva

Autorsky je chráněno všechno. Všechno. Texty, obrázky, skripty, stopy v betonu, rýhy ve skle, prostě všechno, co chcete. Původní autor má právo dokonce i na díla, která vznikla "odvozením". Co je a co není odvození, to bývá předmětem sporů. Nejsou chráněna fakta, ale způsob jejich prezentace ano.

Není žádný problém soubory trochu změnit. To ale nic nemění na tom, že když takový trochu pozměněný soubor vystavím bez svolení původního autora, je to protizákonné.

Nečekejte ode mne nějaký seriózní výklad, moc tomu nerozumím. Nejsem právník (třebaže na fantasy šermovačkách mi to nikdo nevěří s poukazem, že právníci stále lžou). Původní autor mívá ale s ochranou svých práv problémy, obzvlášť na Internetu. Musí totiž:

Protože se to všechno musí dělat před soudem, v malých českých poměrech se autorská díla menšího rozsahu prakticky nedají chránit. Mohl bych o tom napsat román.

To by mohlo vyznít jako povzbuzení pro plagiátory. Ale nemyslím si to. Domnívám se, že je z dlouhodobého hlediska výhodné udržovat si morální profil a nepouštět na svoje stránky nic cizího. To, že jsou kolem nás stále porušovány zákony, ještě neznamená, že je to tak dobře. Navíc si představte, na kolika stránkách si pohrdavě říkáte" "tohle už jsme někde viděli," když narazíte popáté na stejnou animaci.

Rozhodující je ten ušlý zisk. Když zkopírujete nejnovější hudební nahrávky a vystavíte si je na web, tak (kromě toho, že si zahltíte server) můžete čekat velmi konkrétní žalobu. Když ale zkopírujete nějaký skriptík, tak i kdyby vám na to někdo přišel (což je samo o sobě nepravděpodobné), tak vám těžko prokáže ušlý zisk (nebude mu to stát za to).

Potěší mě, když mi napíšete, kde bych našel nějaký serióznější výklad aplikace autorského zákona v prostředí Internetu.