0

如标题所示，我正在尝试构建一个小型应用程序，用于聚合来自不同博客的 RSS。我正在尝试测试并探索此操作的 feedparser，但在尝试编写可以检测 rss 提要的代码时却被卡住了。

大多数人只会输入 www.mysite.com/blog，这并不完全是 RSS 提要的 URL。如果有办法让我检测到 RSS 提要，我会尝试复制可以看到 RSS URL 的浏览器行为。

有任何想法吗？

4

3 回答 3

1

使用BeautifulSoup之类的东西来解析 HTML 文档并查找 RSS 提要。以下是一个基本示例，不一定是最有效的：

from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc)

rss_links = soup.select('link[type="application/rss+xml"]')
for link in rss_links:
    rss_url = link.get('href')

请参阅完整的BeautifulSoup 文档。

于 2012-06-29T14:56:53.687 回答
1

浏览器使用RSS 提要自动发现和Atom 提要自动发现来查找给定网页上的提要。

例如，问题列表可通过 Atom 提要获得，该提要在相关页面的 HTML 标头中链接：

<link rel="alternate" type="application/atom+xml" title="Feed of questions tagged python" href="/feeds/tag/python" />

您需要解析<link rel="alternate">给定页面中的标签才能发现这些标签；任何带有application/atom+xml或application/rss+xml类型的东西都适合。

于 2012-06-29T14:52:49.307 回答
0

有一个很棒的应用程序，叫做Feedjack

但是，当 RSS 提要包含少于 100 个字符时，您会发现自己会碰壁。

对于完全控制（准确聚合您需要的内容）和没有任何 RSS 提要的网站，我建议使用Scrapy

于 2012-06-29T15:07:50.747 回答