Page Content Extractor
Tool operațional WordPress pentru găsirea și actualizarea în masă a paginilor localizate, cu suport Elementor/Gutenberg/Classic, rescriere prin Gemini și generare de imagini prin Vertex AI Imagen.

Stack principal
Provocarea
Provocarea a fost actualizarea consecventă a unui număr de pagini WordPress similare, dar stocate în formate diferite de Elementor, Gutenberg și editor clasic. Operațiile trebuiau să găsească text sau imagini chiar când structura HTML diferă, să adapteze conținutul pe localitate și să evite intervenția manuală pagină cu pagină.
Soluția
Soluția este un plugin WordPress cu un admin orientat pe operații bulk: selectează paginile după convenții de slug, normalizează și caută conținutul per editor, extrage localitatea, folosește Gemini pentru sugestii de text și Vertex AI Imagen pentru imagini, apoi aplică modificările prin API-urile WordPress/Elementor sau prin fallback-uri DB controlate. Batch-urile, progresul vizual, confirmările și utilitarele de cache/debug susțin fluxul operațional.
Complexitate notabilă
Page Content Extractor este un plugin WordPress construit pentru administrarea unui set de pagini de servicii care urmează convenții de slug și includ variații geografice. În loc ca fiecare pagină să fie deschisă și modificată manual, administratorul introduce un pattern de slug și un fragment de text sau un nume de imagine, iar pluginul identifică paginile relevante și extrage localitatea din slug pentru operațiile ulterioare.
Fluxul de text detectează editorul folosit de fiecare pagină — Elementor, Gutenberg sau editorul clasic — și caută conținutul printr-o normalizare word-by-word care elimină diferențele de HTML, spațiere și capitalizare. Algoritmul recunoaște și placeholder-e de tip {{localitate}}, iar pentru Gutenberg parcurge recursiv blocurile. Paginile cu match sunt prezentate ca carduri în admin, împreună cu tipul editorului și localitatea extrasă.
Pentru localizare asistată de AI, pluginul trimite textul către Gemini 2.0 Flash și cere reformulare păstrând sensul, introducând referințe naturale la localitate și marcaj HTML limitat pentru evidențiere. Sugestiile pot fi generate individual sau în batch; interfața procesează batch-uri de câte 10 pagini și afișează progresul, iar fiecare sugestie poate fi aplicată separat sau în masă.
Aplicarea conținutului este editor-aware. Pentru Elementor, pluginul citește _elementor_data, traversează recursiv elementele și salvează JSON-ul modificat în post meta, apoi curăță cache-ul Elementor. Pentru Gutenberg, parsează blocurile, modifică blocurile care conțin textul și serializează structura înapoi în post_content. Pentru editorul clasic folosește înlocuire directă în post_content. Snapshotul nu implementează tranzacții sau rollback explicit, iar logica de înlocuire a unui match poate substitui întregul câmp/bloc în care a fost găsită fraza, motiv pentru care operațiile destructive sunt precedate în UI de confirmări.
Fluxul de imagini caută paginile care folosesc un anumit fișier și oferă două strategii: traversarea structurii editorului sau un mod direct în baza de date, introdus ca variantă cu consum redus de memorie. Modul DB caută în post_content și în _elementor_data, identifică URL-ul și attachment ID-ul, apoi afișează pentru fiecare pagină imaginea curentă alături de zona de preview pentru o imagine nouă.
Generarea imaginilor folosește Vertex AI Imagen 3. Pluginul construiește un JWT din service-account-ul configurat, obține un access token Google OAuth, apelează endpointul Vertex AI, decodează imaginea Base64 și o salvează în WordPress Media Library. Pentru răspunsurile PNG există conversie la JPG prin GD. Numele fișierului include localitatea și un timestamp, iar imaginea rezultată poate fi aplicată individual sau în batch.
Înlocuirea imaginilor actualizează atât post_content, cât și datele Elementor, inclusiv URL-uri și attachment IDs. Codul include mai multe fallback-uri pentru structuri Gutenberg/media-text și o cale directă prin wpdb atunci când update-ul standard nu produce rezultatul așteptat. După modificări, pluginul invalidează cache-ul postului, cache-ul Elementor și poate curăța cache-uri de la WP Super Cache, W3 Total Cache, WP Rocket, Autoptimize și LiteSpeed.
Snapshotul păstrează și instrumente de diagnostic pentru structura blocurilor, utilizarea memoriei și loguri. Există însă și cod legacy sau incomplet: fișierul de shortcode nu este încărcat de bootstrap, câteva handlere JavaScript vechi nu au endpointuri PHP active, iar biblioteca Google Cloud declarată în Composer nu este folosită deoarece autoloader-ul este comentat. Repository-ul nu conține teste automate, workflow-uri CI/CD sau configurație de deploy.
Din perspectivă de hardening, versiunea analizată ar beneficia de verificări current_user_can pe toate endpointurile AJAX destructive/AI, sanitizarea strictă a HTML-ului întors de model înainte de preview și persistare, mutarea credențialelor sensibile din wp_options într-un secret store/config sigur și eliminarea debug-ului activ implicit. debug.log este inclus în snapshot și conține informații despre mediul local, deși nu au fost identificate chei API, tokenuri Bearer sau chei private în fișierul analizat.
Rezultate cheie
- Interfață WordPress Admin pentru filtrarea paginilor după pattern de slug și localitate
- Detectarea automată a paginilor Elementor, Gutenberg și Classic
- Căutare de text normalizată independent de HTML, spațiere și capitalizare
- Suport pentru placeholder-e de localitate în expresiile de căutare
- Sugestii individuale și bulk pentru conținut localizat prin Gemini 2.0 Flash
- Aplicarea conținutului prin mecanisme specifice Elementor, Gutenberg și Classic
- Căutarea imaginilor în post_content și _elementor_data, inclusiv mod DB cu memorie redusă
- Generare de imagini localizate prin Vertex AI Imagen 3 și salvare în Media Library
- Înlocuirea individuală și bulk a imaginilor, cu actualizarea URL-urilor și attachment IDs
- Invalidarea cache-ului WordPress/Elementor și integrare cu mai multe pluginuri populare de cache
- Rate limiting local pentru apelurile AI prin WordPress Transients
- Instrumente admin pentru testarea conexiunii Gemini, debug de blocuri și monitorizarea memoriei
- Fallback-uri directe prin wpdb pentru cazurile în care structurile editorului nu se actualizează fiabil
Proiecte asemănătoare
- Farmadati ImportModul WordPress care preia seturi de date Farmadati prin SOAP, normalizează schema XML și îmbogățește produse WooCommerce cu prețuri, descrieri, producător, metadate farmaceutice și imagini.
- Feed2WooAIPlugin WordPress pentru importul în batch al produselor din feed-uri JSON în WooCommerce, actualizare după SKU, imagini și categorii, rescriere OpenAI, progres în admin și automatizare prin endpointuri REST și scripturi cron.
- ZIP Code ManagerPlugin WordPress/WooCommerce care importă în batch un nomenclator de coduri poștale din Excel, normalizează județe, străzi și intervale de numere și poate completa manual codurile poștale de facturare și livrare ale comenzilor.
Vrei ceva similar?
Începe cu wizard-ul de estimare — răspunzi la câteva întrebări și primești un range de preț + timeline realist.