问题标签 [feedparser]

我正在阅读feedparser的文档。

它描述了与日期相关的 4 个属性

1. 发表
2. 更新
3. 创建
4. 已到期

这些属性对于RSS 规范意味着什么？它只描述pubDate

谢谢你

我正在使用feedparser来处理 RSS。我定期（例如每 15 分钟）获取带有项目的 RSS 频道并将其存储。在频道中通常没有任何新项目。所以，效率不高。
有没有办法快速检测频道中是否有一些新项目，如果没有，则对该频道不执行任何操作？

谢谢你

我的脚本中有一个方法可以提取 Twitter RSS 提要，使用 FeedPharser 对其进行解析，使用 twilio 模块将其包装在 TwiML（Twilio 风格的 XML）中，然后通过 str() 在 CherryPy 方法中返回结果响应。这在开发环境（Kubuntu 10.10）中工作得很好；我的服务器上的结果好坏参半（Linode 上的 Ubuntu Server 10.10）。

在最初的几个月里，一切都很好。然后，上述方法开始失败，如下所示：

UnicodeEncodeError：'ascii' 编解码器无法在位置 259 编码字符 u'\u2019'：序数不在范围内（128）

但是，当我在相同的提要上运行完全相同的代码时，使用相同的 python 版本，在相同的操作系统上，在我的开发框中，代码执行得很好。但是，我应该注意，即使它可以正常工作，某些字符也不会正确输出。例如：

?

而不是

'

为了解决这个异常，我只是从头开始重建我的 VPS，它工作了几个月，然后错误又回来了。

服务器会自动安装更新的 Ubuntu 软件包，但我的开发箱也是如此。我想不出任何可能导致这种情况的东西。任何帮助表示赞赏。

我正在尝试使用 feedparser 将学校的体育/活动日历（以 iCal 或 RSS 格式提供）读入 Django Events 模型。

一切正常，除了日期。Feedparser 用“9 元组”填充 item.updated_pa​​rsed，但我不知道如何将它变成 Django 将在 DateTimeField 中接受的东西。（我以前用过这些，但它们只被 datetime.datetime.now() 填充过）。

有任何想法吗？

我正在使用通用提要解析器解析一组提要

看起来当 twitter 生成 RSS 提要时，它会双重转义<description />字段中的某些特殊字符。例如，假设我发推文：

我无法解析这个！

这实际上是

在 HTML 实体中。

当您查看来自 Twitter 的 RSS 或 Atom 提要的纯 XML 时，它是这样呈现的：

Universal Feed Parser 似乎对此有一些严重的问题。当您解析出其中一个条目并查看它如何解析它时，您最终会得到：

在屏幕上呈现为

我可以&apost解析这个！

有什么想法可以让它表现出来吗？当我在 Firefox 中打开提要时，实体被正确处理，因此很明显可以正确解析字符串。

我很确定 Universal Feed Parser 的行为不正确，但我很难找到需要修复的代码部分。

我也很困惑，因为网站上写着：“3000 个单元测试”。

当然，其中一个测试会查看包含实体的提要吗？

我最近安装了 WordPress，并且一直在慢慢学习如何使用它。我已经尝试解决这个问题大约一个小时了，但我似乎无法找到问题所在。

无论我添加什么提要FeedWordPress，它都无法正确解析图像。（但确实如此，请参见此处）：http ://ttgdark.com/

这就像它完全删除了 src 标签中图像的路径。

有谁知道发生了什么？

我以 Google 的 XML 格式备份了我的博客。它很长。到目前为止，我已经这样做了：

在我正在阅读的书中，作者这样做：

这对我来说是逐个条目的。如您所见，我已经有了一种使用 NLTK 清理 HTML 的方法。但我真正想要的是获取所有条目，将它们从 HTML 中清除（我已经知道该怎么做，而不是问怎么做，请仔细阅读问题），然后将它们作为明文字符串。这与正确使用 feedparser 有关。有没有一种简单的方法可以做到这一点？

更新：

事实证明，我仍然没有找到一种简单的方法来做到这一点。由于我对 python 的无能，我被迫做一些有点丑陋的事情。

这就是我想我会做的：

所以，非常感谢@Rob Cowie，但你的版本（看起来很棒）不起作用。我为没有早点指出这一点并接受答案而感到难过，但我没有太多时间来处理这个项目。我在下面放的东西就是我可以开始工作的全部内容，但是如果有人有更优雅的东西，我会留下这个问题。

然后我 CTRL-D 退出解释器，因为我不知道如何在不关闭 Python 标准输出的情况下关闭打开的文件。然后我重新进入解释器，打开文件，读取文件，并从那里清理 HTML。（nltk.html_clean 是 NLTK 书本身的在线版本中的一个错字，顺便说一下……它实际上是 nltk.clean_html）。我最终得到的几乎是但不完全是纯文本。

我有以下 XML 文档

我正在使用feedparser解析这个文档。我执行以下操作：

我观察到我只得到一个标签：

有多个问题标签：

但我只能检索最后一个。我想找回所有这些。

feedparser 中是否有一个选项可以仅查询比 feed.updated 更新的新条目？

或者您可以设置一个参数以仅获取特定日期/今天/周等的条目吗？（Safari 的 RSS 阅读器提供了这个选项……）

我为我的播客应用程序编写了一个 rss 解析器。如果我用不同的播客解析 rss 提要并在 a 中显示结果，ListView我的解析器解析整个提要大约需要 1-2 秒。

但是，如果我想在ListView我BitmapFactory的ImageView.

不幸的是，这将我的执行时间从 1-2 秒延长到了 8-10 秒。

这就是我抓取缩略图的方式。有没有更好（更快）的方法来实现我想做的事情，如果有，我该如何实现？

提前致谢。