RSS 是一個(gè)可用多種擴(kuò)展來表示的縮寫：“RDF 站點(diǎn)摘要（RDF Site Summary）”、“真正簡單的辛迪加（Really Simple Syndication）”、“豐富站點(diǎn)摘要（Rich Site Summary）”，也許還能用其他擴(kuò)展來表示。在如此混亂的名稱背后，您會發(fā)現(xiàn)和這樣一個(gè)平凡的技術(shù)領(lǐng)域相關(guān)的故事多得令人吃驚。RSS 是用于分發(fā) Web 站點(diǎn)上的內(nèi)容的摘要的一種簡單的 XML 格式。它能夠用于共享各種各樣的信息，包括（但不是 僅限于）簡訊、Web 站點(diǎn)更新、事件日歷、軟件更新、特色內(nèi)容集合和基于 Web 進(jìn)行拍賣的商品。

RSS 是 Netscape 在 1999 年創(chuàng)建的，它允許將許多信息源中的內(nèi)容聚集到 Netcenter 門戶網(wǎng)站中（這個(gè)門戶網(wǎng)站現(xiàn)在已經(jīng)不存在了）。UserLand 社區(qū)中的 Web 狂熱愛好者們成為了 RSS 早期的支持者，RSS 很快就成為了一種非常流行的格式。這種流行使得人們很難對 RSS 進(jìn)行改進(jìn)從而使它能用于更多的地方。這種限制導(dǎo)致了 RSS 的發(fā)展出現(xiàn)了分歧。其中一個(gè)組選擇了一種基于 RDF 的方式，目的在于利用大量的 RDF 工具和模塊，而另一個(gè)組則選擇了一種更加緊縮的方式。前者被稱之為 RSS 1.0，而后者則被稱之為 RSS 0.91。就在上個(gè)月由于 RSS 非 RDF 變體的一個(gè)新版本的出現(xiàn)使得兩者之間的競爭進(jìn)一步加劇，這一新版本被它的創(chuàng)造者稱之為“RSS 2.0”。

RSS 0.91 和 1.0 非常流行，并且許許多多的門戶網(wǎng)站和 Web 日志都使用它們。事實(shí)上，blogging 社區(qū)是 RSS 的主要用戶，而 RSS 就是某些現(xiàn)有的用于 XML 交換的網(wǎng)絡(luò)令人印象深刻的理由。這些網(wǎng)絡(luò)已在有機(jī)地增長，并且真正地成為現(xiàn)有的最成功的 XML 服務(wù)的網(wǎng)絡(luò)。RSS 成為一種 XML 服務(wù)是因?yàn)樗煌ㄟ^網(wǎng)際協(xié)議交換 XML 信息（絕大多數(shù)的 RSS 交換是 RSS 文檔的簡單 HTTP GET）。在本文中，我們介紹的不過是許多可以與 RSS 一起工作的 Python 工具中的少數(shù)幾個(gè)。我們不提供針對 RSS 的技術(shù)上的介紹，因?yàn)槟梢栽谄渌S多的文章中獲得這些內(nèi)容。（請參閱 參考資料）。我們推薦您首先簡單地熟悉一下 RSS 知識，并且能了解 XML。您不需要去了解 RDF。

[ 由于 RSS 使用了 XML 描述而沒有使用 WSDL，所以我們將 RSS 作為一個(gè)“XML 服務(wù)”而不是一個(gè)“Web 服務(wù)”對待。－ 編者按 ]

RSS.py

Mark Nottingham 編寫的 RSS.py 是用于 RSS 處理的一個(gè) Python 庫。它非常完善并且編寫的很好。它需要 Python 2.2 和 PyXML 0.7.1。它的安裝是非常簡單；您只需從 Mark 的主頁中下載 Python 文件并將它復(fù)制到您的 PYTHONPATH 中的某處。

大多數(shù) RSS.py 的用戶本身只需要關(guān)心它所提供的兩個(gè)類： CollectionChannel 和 TrackingChannel 。后者似乎是這兩個(gè)類中更有用的一個(gè)。 TrackingChannel 是一個(gè)包含以每一項(xiàng)的關(guān)鍵字為索引的所有的 RSS 數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。 CollectionChannel 是一個(gè)類似的數(shù)據(jù)結(jié)構(gòu)，但它的結(jié)構(gòu)更像 RSS 文檔本身，它的頂層通道信息使用 URL 表示的散列值指向項(xiàng)細(xì)節(jié)。您很可能會使用 RSS.ns 結(jié)構(gòu)中的實(shí)用程序名稱空間聲明。 清單 1是一個(gè)簡單的腳本，它將下載并解析用于 Python 新聞的 RSS 供給，并以一個(gè)簡單的清單形式打印來自各項(xiàng)的所有信息。

清單 1：使用 RSS.py 的一個(gè)簡單練習(xí)

from RSS import ns, CollectionChannel, TrackingChannel
#Create a tracking channel, which is a data structure that
#Indexes RSS data by item URL
tc = TrackingChannel()
#Returns the RSSParser instance used, which can usually be ignored
tc.parse("http://www.python.org/channews.rdf")
RSS10_TITLE = (ns.rss10, 'title')
RSS10_DESC = (ns.rss10, 'description')
#You can also use tc.keys()
items = tc.listItems()
for item in items:
  #Each item is a (url, order_index) tuple
  url = item[0]
  print "RSS Item:", url
  #Get all the data for the item as a Python dictionary
  item_data = tc.getItem(item)
  print "Title:", item_data.get(RSS10_TITLE, "(none)")
  print "Description:", item_data.get(RSS10_DESC, "(none)")

我們從創(chuàng)建一個(gè) TrackingChannel 實(shí)例開始，并且將從 http://www.python.org/channews.rdf 上的 RSS 供給解析得到的數(shù)據(jù)填入其中。RSS.py 使用元組作為 RSS 數(shù)據(jù)的屬性名稱。對于那些不習(xí)慣 XML 處理技術(shù)的人來說，這種方式看上去也許不太尋常，但它對于精確了解原始的 RSS 文件中的內(nèi)容的確是一種很有效的方式。因此，一個(gè) RSS 0.91 title 元素被認(rèn)為不同于一個(gè) RSS 1.0 中的同名元素。應(yīng)用程序有足夠的數(shù)據(jù)來忽略這個(gè)差異，如果您愿意，可以通過忽略每個(gè)元組的名稱空間的部分來忽略這個(gè)差異；但基本的 API 是與初始 RSS 文件的語法相結(jié)合的，所以這個(gè)信息沒有丟失。在代碼中，我們使用這個(gè)屬性數(shù)據(jù)來聚集用于顯示的新聞供給中的所有項(xiàng)。請注意，我們很仔細(xì)地不去假定任何特殊的項(xiàng)可能會有什么屬性。我們使用如下代碼所示的安全的形式來檢索屬性。

  print "Title:", item_data.get(RSS10_TITLE, "(none)")

如果沒有找到該屬性則它會提供一個(gè)缺省值，而不是這個(gè)示例。

 print "Title:", item_data[RSS10_TITLE]

由于您不可能會知道 RSS 供給中所使用的是什么元素，因此這樣的謹(jǐn)慎是有必要的。 清單 2顯示了 清單 1的輸出。

清單 2：清單 1 的輸出

$ python listing1.py 
RSS Item: http://www.python.org/2.2.2/
Title: Python 2.2.2b1
Description: (none)
RSS Item: http://sf.net/projects/spambayes/
Title: spambayes project
Description: (none)
RSS Item: http://www.mems-exchange.org/software/scgi/
Title: scgi 0.5
Description: (none)
RSS Item: http://roundup.sourceforge.net/
Title: Roundup 0.4.4
Description: (none)
RSS Item: http://www.pygame.org/
Title: Pygame 1.5.3
Description: (none)
RSS Item: http://www.cosc.canterbury.ac.nz/~greg/python/Pyrex/
Title: Pyrex 0.4.4.1
Description: (none)
RSS Item: http://www.tundraware.com/Software/hb/
Title: hb 1.88
Description: (none)
RSS Item: http://www.tundraware.com/Software/abck/
Title: abck 2.2
Description: (none)
RSS Item: http://www.terra.es/personal7/inigoserna/lfm/
Title: lfm 0.9
Description: (none)
RSS Item: http://www.tundraware.com/Software/waccess/
Title: waccess 2.0
Description: (none)
RSS Item: http://www.krause-software.de/jinsitu/
Title: JinSitu 0.3
Description: (none)
RSS Item: http://www.alobbs.com/pykyra/
Title: PyKyra 0.1.0
Description: (none)
RSS Item: http://www.havenrock.com/developer/treewidgets/index.html
Title: TreeWidgets 1.0a1
Description: (none)
RSS Item: http://civil.sf.net/
Title: Civil 0.80
Description: (none)
RSS Item: http://www.stackless.com/
Title: Stackless Python Beta
Description: (none)

當(dāng)然，你可能會遇到稍微有些不同的輸出，這是因?yàn)樵谀鷮λM(jìn)行試驗(yàn)時(shí)新聞項(xiàng)可能已經(jīng)更改了。RSS.py 通道對象也提供方法來添加并修改 RSS 信息。您可以使用 output() 方法將結(jié)果寫回 RSS 1.0 格式。通過將在 清單 1 中解析的信息寫回去來對它進(jìn)行試驗(yàn)。在交互式模式下通過運(yùn)行 python -i listing1.py 來啟動(dòng)腳本。在產(chǎn)生的 Python 提示符下，運(yùn)行以下示例。

>>> result = tc.output(items)
>>> print result

結(jié)果是一個(gè)打印輸出的 RSS 1.0 文檔。為了它能工作您必須有 RSS.py，版本 0.42 或者更高的版本。較早版本中的 output() 方法中有一個(gè)錯(cuò)誤。

rssparser.py

Mark Pilgrim 為 RSS 文件解析提供了另一個(gè)模塊。它并不提供 RSS.py 所提供的所有的功能部件和選項(xiàng)，但它卻提供了一個(gè)非常自由的解析器，它能很好的處理 RSS 世界中所有令人混亂的差異。以下摘自 rssparser.py 頁面：

    如您所見，大多數(shù) RSS 供給都很糟糕。無效的字符、未轉(zhuǎn)義的 & 符號（Blogger 供給）、無效的實(shí)體（Radio 供給）和未轉(zhuǎn)義以及無效的 HTML（通常為注冊中心所提供的）?；蛘咧皇?RSS 0.9x 元素和 RSS 1.0 元素的一個(gè)籠統(tǒng)的混合（可移動(dòng)類型供給（Movable Type feeds））。

    還有許多太前沿的供給，就象 Aaron 的 feed。他將一個(gè)摘錄放入描述元素中而將完整的文本放入 content:encoded 元素中（象 CDATA）。這是一個(gè)有效的 RSS 1.0，但沒有人回真正使用它（除了 Aaron），幾乎沒有新聞聚集器支持它，并且許多解析器還排斥它。其他解析器被 RSS 0.94 中的新元素（guid）所困惑（請參閱 Dave Winer 的供給作為一個(gè)示例）。還有 Jon Udell 的供給，其中還有他才從創(chuàng)作中挑選出來的 fullitem 元素。

XML 和 Web 服務(wù)會增加互操作性幾乎已成定局，所以這樣考慮其實(shí)很可笑。無論如何，設(shè)計(jì) rssparser.py 目的就是要處理所有這些荒唐的情況。

安裝 rssparser.py 也十分簡單。請您下載 Python 文件（參閱參考資料），將“rssparser.py.txt”重命名為 “rssparser.py”，并將它復(fù)制到您的 PYTHONPATH 中。我同樣建議您取得可選的 timeoutsocket 模塊，它可以改進(jìn) Python 中的套接字操作的超時(shí)行為，這樣有助于取得 RSS feeds 而不必為了防止錯(cuò)誤就停止應(yīng)用程序線程。

清單 3是一個(gè)等同于 清單 1的腳本，但它使用了 rssparser.py，而不是 RSS.py。

清單 3：使用一個(gè)簡單的 rssparser.py 練習(xí)

import rssparser
#Parse the data, returns a tuple: (data for channels, data for items)
channel, items = rssparser.parse("http://www.python.org/channews.rdf")
for item in items:
  #Each item is a dictionary mapping properties to values
  print "RSS Item:", item.get('link', "(none)")
  print "Title:", item.get('title', "(none)")
  print "Description:", item.get('description', "(none)")

如您所見，這段代碼非常簡單。RSS.py 和 rssparser.py 不能互相取代在很大程度上是因?yàn)榍罢哂懈嗟墓δ懿考?，并且維護(hù)著 RSS 供給中更多的語法信息。后者更簡單，并且是一個(gè)容錯(cuò)能力更強(qiáng)的解析器（RSS.py 解析器只能接受格式良好的 XML）。

它的輸出應(yīng)該與 清單 2中的輸出相同。

最新評論