Лучший способ разбора RSS / Atom-каналов с помощью PHP [закрыто]

135

В настоящее время я использую Magpie RSS, но иногда это происходит из-за того, что RSS-канал или канал Atom сформированы неправильно. Есть ли другие варианты для разбора RSS и Atom-лент с помощью PHP?

Carson
источник
1
Есть одна проблема с этим запросом, большинство читателей Feed используют основные XML-читатели php, и если XML не будет хорошо отформатирован, как того требуют стандарты XML, он упадет, вы можете посмотреть на те, которые не используют XML-читатели, и используют Text Reader, однако нагрузка на сервер резко возрастет. Я знаю, что на это дан ответ, я просто заставляю людей осознавать недостатки использования программ чтения XML-
лент
1
Никогда не пытайтесь анализировать неверный XML. Виноват источник.
Лотар

Ответы:

28

Ваши другие варианты включают в себя:

Филип Мортон
источник
189
Мне не нравятся такие «ответы», давать ссылки без каких-либо комментариев. Похоже, вы Google и ссылку на несколько лучших результатов. Тем более, что у asker есть некоторый опыт работы с RSS и ему нужен лучший парсер.
duality_
3
В случае, если кому-то нужен небольшой совет, Last RSS является самым простым из трех перечисленных выше. Требуется только 1 файл, и он может извлечь RSS в пределах 5 строк с приличным выводом массива.
Хищник
picoFeed github.com/fguillot/picoFeed
gadelat
Я использовал два из них, и LastRss кажется недостаточно хорошим, чтобы обеспечить полностью функциональный помощник, а SimplePie немного сложнее. Я хотел бы попробовать некоторые другие, но комментарии к этим библиотекам лучше понять людям, а не просто ссылки.
нуб
169

Я всегда использовал встроенные в PHP функции SimpleXML для разбора XML-документов. Это один из немногих универсальных синтаксических анализаторов, который имеет интуитивно понятную структуру, которая позволяет чрезвычайно легко создать значимый класс для чего-то определенного, например, для RSS-канала. Кроме того, он будет обнаруживать предупреждения и ошибки XML, и, найдя их, вы можете просто пропустить исходный код через HTML Tidy (как упоминалось в ceejayoz), чтобы очистить его и повторить попытку.

Рассмотрим этот очень грубый, простой класс с использованием SimpleXML:

class BlogPost
{
    var $date;
    var $ts;
    var $link;

    var $title;
    var $text;
}

class BlogFeed
{
    var $posts = array();

    function __construct($file_or_url)
    {
        $file_or_url = $this->resolveFile($file_or_url);
        if (!($x = simplexml_load_file($file_or_url)))
            return;

        foreach ($x->channel->item as $item)
        {
            $post = new BlogPost();
            $post->date  = (string) $item->pubDate;
            $post->ts    = strtotime($item->pubDate);
            $post->link  = (string) $item->link;
            $post->title = (string) $item->title;
            $post->text  = (string) $item->description;

            // Create summary as a shortened body and remove images, 
            // extraneous line breaks, etc.
            $post->summary = $this->summarizeText($post->text);

            $this->posts[] = $post;
        }
    }

    private function resolveFile($file_or_url) {
        if (!preg_match('|^https?:|', $file_or_url))
            $feed_uri = $_SERVER['DOCUMENT_ROOT'] .'/shared/xml/'. $file_or_url;
        else
            $feed_uri = $file_or_url;

        return $feed_uri;
    }

    private function summarizeText($summary) {
        $summary = strip_tags($summary);

        // Truncate summary line to 100 characters
        $max_len = 100;
        if (strlen($summary) > $max_len)
            $summary = substr($summary, 0, $max_len) . '...';

        return $summary;
    }
}
Брайан Клайн
источник
2
у вас есть конечный тег без начального тега. ;)
Талви Вати
130
Ну, у меня был один, но его съел форматер кода SO, так как над ним не было пустой строки. На связанной ноте вы не начали свое предложение с заглавной буквы. ;)
Брайан Клайн
4
Пожалуйста, измените $feed_uri = $feed_or_url;на $feed_uri = $file_or_url;... кроме этого, спасибо за этот код! Работает отлично!
Тим
5
Обратите внимание, что, хотя это отличное решение, оно будет анализировать только RSS-каналы в их текущей форме. Фиды Atom не будут анализироваться из-за их другой схемы.
Андраш Шепешази
9
Обратите внимание, что eregi_replaceтеперь устарела и была заменена, preg_replaceа также eregiс preg_match. Документацию можно найти здесь и здесь соответственно.
ЕГО Аляска
45

С 4 строками я импортирую rss в массив.

$feed = implode(file('http://yourdomains.com/feed.rss'));
$xml = simplexml_load_string($feed);
$json = json_encode($xml);
$array = json_decode($json,TRUE);

Для более сложного решения

$feed = new DOMDocument();
 $feed->load('file.rss');
 $json = array();
 $json['title'] = $feed->getElementsByTagName('channel')->item(0)->getElementsByTagName('title')->item(0)->firstChild->nodeValue;
 $json['description'] = $feed->getElementsByTagName('channel')->item(0)->getElementsByTagName('description')->item(0)->firstChild->nodeValue;
 $json['link'] = $feed->getElementsByTagName('channel')->item(0)->getElementsByTagName('link')->item(0)->firstChild->nodeValue;
 $items = $feed->getElementsByTagName('channel')->item(0)->getElementsByTagName('item');

 $json['item'] = array();
 $i = 0;

 foreach($items as $key => $item) {
 $title = $item->getElementsByTagName('title')->item(0)->firstChild->nodeValue;
 $description = $item->getElementsByTagName('description')->item(0)->firstChild->nodeValue;
 $pubDate = $item->getElementsByTagName('pubDate')->item(0)->firstChild->nodeValue;
 $guid = $item->getElementsByTagName('guid')->item(0)->firstChild->nodeValue;

 $json['item'][$key]['title'] = $title;
 $json['item'][$key]['description'] = $description;
 $json['item'][$key]['pubdate'] = $pubDate;
 $json['item'][$key]['guid'] = $guid; 
 }

echo json_encode($json);
PJunior
источник
2
Я только что попробовал это. Это не дает массив
samayo
Можете ли вы дать мне RSS-канал, который вы используете?
PJunior
2
На случай, если вам интересно. Похоже, он использует канал Tumblr RSS. Anytumblrsite.com/rss даст вам тот же результат.
Андрей
3
Использовал 4 строки, отлично поработал :), но потом переписал 1-ю строку: $feed = file_get_contents('http://yourdomains.com/feed.rss'); может быть менее интенсивно, чем file +
implode
1
одна строка, $ feed = json_decode (json_encode (simplexml_load_file (' news.google.com/?output=rss' )), true);
ask_io
21

Я хотел бы представить простой скрипт для разбора RSS:

$i = 0; // counter
$url = "http://www.banki.ru/xml/news.rss"; // url to parse
$rss = simplexml_load_file($url); // XML parser

// RSS items loop

print '<h2><img style="vertical-align: middle;" src="'.$rss->channel->image->url.'" /> '.$rss->channel->title.'</h2>'; // channel title + img with src

foreach($rss->channel->item as $item) {
if ($i < 10) { // parse only 10 items
    print '<a href="'.$item->link.'">'.$item->title.'</a><br />';
}

$i++;
}
Владимир Лукьянов
источник
Четкое и простое решение! Работает красиво.
Джон Т
13

Если фид не является правильно сформированным XML, вы должны его отклонить, без исключений. Вы имеете право называть создателя корма бозо .

В противном случае вы прокладываете путь, чтобы испортить HTML.

Корнель
источник
3
+1, вы не должны пытаться обойти любой XML, который не является правильно сформированным. У нас был плохой опыт с ними, поверьте мне, это была большая боль :(
Хелен Нили
35
Однако программисты не могут выбирать деловых партнеров и должны анализировать то, что им дают.
Эдмонд Майнфельдер
2
Что, если вы создаете универсальный ридер RSS / Atom? Если какой-либо неправильно сформированный XML-файл может «испортить» ваш HTML, кто такой Bozo? ;) Будьте либеральны в том, что вы получаете.
2013 г.
6

Библиотека HTML Tidy способна исправить некоторые искаженные файлы XML. Может помочь выполнение ваших каналов перед тем, как передать их парсеру.

ceejayoz
источник
2

Я использую SimplePie для анализа канала Google Reader, и он работает довольно хорошо и имеет приличный набор функций.

Конечно, я не тестировал его с плохо сформированными лентами RSS / Atom, поэтому я не знаю, как он справляется с ними, я полагаю, что Google вполне соответствует стандартам! :)


источник
1

Лично я использую BNC Advanced Feed Parser - мне нравится система шаблонов, которая очень проста в использовании.

Адам
источник
-2

Еще один отличный бесплатный анализатор - http://bncscripts.com/free-php-rss-parser/ Он очень легкий (всего 3 КБ) и прост в использовании!

Лукас
источник
Не могу сказать, что это "здорово", используя gzinflate и base64_decode, обычно отключенные для безопасности.
ask_io
это мертвая ссылка для маркетинга.
Сагив SEO