Mythportal.be

Zoals jullie wellicht al gemerkt hebben, werkt de TV gids momenteel niet meer.

Voor ongeveer een jaar werkte alles min of meer zoals het hoorde.
De grabber haalde zijn gegevens op van teveblad.be, en de resulterende data had dan ook netjes een bronvermelding.

Teveblad publiceert data op het internet, ik converteer die data naar een ander formaat.
Simpel. Er zijn een hele hoop (soms betalende) services die dergelijke dingen doen. (Faxen naar PDF, HTML naar PDF, Word naar HTML, vertalingen van sites, enz...)

Het is nooit de bedoeling geweest om te pretenderen dat die data van "mij" kwam, en het is al zeker geen commerciëel product waar ik op de een of andere reden een "winst" uit maak.

Doorheen dit jaar zijn er een aantal probleempjes geweest met de correcte parsing van de pagina's, omdat teveblad.be zelf heel vaak geen correcte HTML is.
De vele opmerkingen en suggesties die op het forum en per mail gemeld werden waren hiervoor erg welkom en dit zorgde ervoor dat de parser steeds beter werd.

Toch wilde ik niet afhankelijk zijn van teveblad.be als enige source.
Er zijn daarom in het verleden reeds een aantal pogingen ondernomen om de parser "multi-source capable" te maken.
Helaas was dat niet zo eenvoudig:

• Hoe zeg ik dat "Buren" in de ene gids hetzelfde is als "Neighbours" in een andere?
• Hoe zeg ik dat het programma dat in de ene gids begint om 19:38h, eigenlijk exact hetzelfde programma is dat in de andere gids om 19:40h begint?
• En zo zijn er nog een hele resem van inconsistenties die opgevangen moeten worden, vaak per bron.

De "multi-source" capable parser is daardoor nooit een feit geworden.

Toch is mijn parser een "stabiel" product.
Reeds enige tijd geleden heeft Teveblad.be een poging ondernomen om roet in het eten te gooien door bepaalde XMLID's te wijzigen. (Bijvoorbeeld van NGC.)
Helaas voor hen was mijn parser hier tegen bestand, deze gebruikt namelijk exact dezelfde ID's als Teveblad zelf gebruikt. Geheel automatisch.
Helaas moest de gebruiker dan wel zelf de ID's veranderen...

Daarna is men begonnen met bepaalde tekst toe te voegen aan hun samenvatting van de TV programma's. "Het gebruik van software om gegevens te extraheren uit deze website voor persoonlijk gebruik of voor weergave op een andere website ('screen scraping') is verboden." stond er overal te lezen als laatste regel. (Een melding die overgens nooit in de Mythportal.be TV gids is verschenen, omdat Teveblad dat op een wel erg idiote manier geïmplementeerd heeft. Ofwel was mijn parser weer te goed geschreven... ;-) )

Toch vind ik geen enkele wettekst terug die me dit zou verbieden.
Misschien maak ik wel een inbreuk op de Belgische copyright wetgeving. Is dat zo? Geen idee. De server staat niet in België, dus welke wetgeving is van toepassing?
Ik ben geen jurist, dus laat ik dat wel over aan andere mensen om dat uit te zoeken moest iemand er ook een probleem van maken.

Het feit is echter dat "Sanoma Magazines", de eigenaar van Teveblad, helemaal geen copyright heeft op deze data, omdat de data simpelweg niet van hen is. Zij hebben toestemming om deze te publiceren. That's it. Juridisch gezien heb ik dan ook niet veel te vrezen van Sanoma.

Omdat ik niet echt van (selectieve) censuur houd, en omdat ik vind dat Sanoma niet het recht heeft om voor rechter te spelen hoe hun publicaties gebruikt worden, heb ik hun blokkering omzeilt. (Hoop ik.)
Normaal zou vanaf deze nacht de TV gids weer moeten werken, ik heb hen ook om meer uitleg gevraagd.

Toch vind ik dit niet de juiste manier van werken.
Ik zou ook graag korter bij de bron zitten.
Momenteel ben ik daarom in gesprek met enkele aanbieders van dergelijke TV gids data.
Deze zal veel meer info bevatten en beter up to date zijn. (Bijvoorbeeld ieder uur.)
Dit gaat waarschijnlijk niet gratis zijn, vandaar dat ik gewoon even wil rondvragen, of mensen geïnteresseerd zijn.

De poll staat hier: http://mythportal.be/node/106 (De poll is gesloten.)