En estoy días estoy desarrollando un spider sencillo para un motor de búsqueda. Es un script PHP basado en la clase PHP Snoopy que lee una url dada, y levanta los metatags description, keywords, la etiqueta title, nada complicado.

Testeando el script con distintas páginas, me estoy encontrado cada cosa! Sobre todo me doy cuenta que la mayoría del código html que anda dando vueltas es bastante feo. Sin etiquetas meta, sin doctypes, código lleno de basura, tablas y funciones javascript kilométricas, en fin pobre google!

Lo que me ha hecho reír mucho esta mañana, es la selección de palabras clave para el metatag keywords que cuidadosamente ha elegido la gente de la editorial Ediciones del Boulevard para atraer -como moscas- a los visitantes.

<meta name=”keywords”
content=”Editorial, publicar libro, literatura, cuento, novela, poema, escritor, escritores, Maradona, diario, noticias, argentina, córdoba, politica, sexo, deportes, futbol, salud, notas, tango, newspaper, news, breaking, argentine, politics, economy, sports, soccer, updated, daily, journalism, clasificados, avisos, Pamela David, Ingrid Grudke, Pampita, Depresión, solidaridad, el gordo agustín, armenio, judío, puto, vacaciones, hollidays, universidad, universitaria, distribución gratuita, alta córdoba, nueva córdoba, cerro de las rosas, argüello, villa allende, fotos, patas, feetfetish, footfetish, fetish, feet fetish, foot fetish, latex, inmobiliaria, madre teresa, hora oficial, programación, alive, exiliado, historia, che guevara, gandhi, sex, anteojo, kirchner, menem, de la sota, riutort, Luis Juez, el diego, carlos paz, corrupción, patomotor, medicina, abogacía, google, altavista, mail, yahoo, hotmail, superman, comics, dibujo, diseño gráfico, UBP, UES21, UCC, UNC, Universidad Nacional, tetas, culos, teta, culo, pene, pito, pija, gay, foto, photo, gallery, foro, forum, index, forro, profiláctico, preservativo, condón, nikon, canon, coca cola, sprite, marihuana, mariguana, cannabis, cocaína, brownie, mc donald’s, burguer king, cursillo de ingreso, Spiderman, Harry Potter, links, Córdoba Capital de la Cultura, La Voz del Interior, La Mañana de Córdoba, Hoy Día Córdoba, Anisacate, despeinados, bitacoras, blogger, blog, Emilia Attias, Peguelé hasta dejarlo morado, hosting gratuito, young, babes, historia, Historia Argentina, Mortadelo y Filemón, Código Davinci, Dan Brown, viajes, Caribe, Bruselas, Villanueva de la Vera, Viagra, Peter North, Online Dictionary, MySpace, Music, Lyrics, Games, Quizzes, Prom Dresses, Funny Videos, Funny Pictures, Jokes, President Bush, Iraq, Bird Flu, Port controversy, Iran, Dana Reeve, Barry Bonds, American Idol, World Baseball Classic, Academy Awards, St Patrick’s Day, Poker, Pam Anderson, Britney Spears, WWE, Stacy Keibler, Pokemon, Linday Lohan, Neopets, Virtual Pets, Dr. Seuss, Mardi Gras, Paris Hilton,
Mother Theresa, KaZaA, Dragonball, Jennifer Lopez, Diets, Astrology Tips, Winter Olympics, Mundial de Fútbol, American Idol, NBA “>

No se les quedó ni una en el tintero. Al principio viene bien la cosa: Editorial, Publicar, Libro.

Después se pone más divertido: feetfetish, marihuana, american idol, paris hilton…
El momento cumbre viene con una palabra clave que jamás se me hubiera ocurrido: “Peguelé hasta dejarlo morado” … ???!?!!? Esa si que no me la esperaba, investigando veo que es un libro publicado por la editorial. Menos mal! ya estaba pensando cualquier cosa.

Si, seguro que este spider me va a divertir bastante.