javascript - PHP RSS 提要爬虫

Question

我想为我的网站构建一个 RSS 提要爬虫。虽然我不太确定，但如何开始呢。我的爬虫如何识别 RSS 提要？有什么我可以抓取的，每个 RSS 阅读器都有吗？我不需要任何代码，只需要一些帮助我的大脑理解我必须创建的东西。

先谢谢了!

问候

哈特涅夫

Answer 1

我认为如果您的爬虫扫描所有链接并至少打开每个页面一次以查找文本 <rss version="2.0"> 是可能的.据我所知，每个 RSS 提要都应该包含这一行。

<?xml version="1.0" encoding="UTF-8" ?>
<rss version="2.0">
<channel>
 <title>RSS Title</title>
 <description>This is an example of an RSS feed</description>
 <link>http://www.someexamplerssdomain.com/main.html</link>
 <lastBuildDate>Mon, 06 Sep 2010 00:01:00 +0000 </lastBuildDate>
 <pubDate>Mon, 06 Sep 2009 16:20:00 +0000 </pubDate>
 <ttl>1800</ttl>

 <item>
  <title>Example entry</title>
  <description>Here is some text containing an interesting description.</description>
  <link>http://www.wikipedia.org/</link>
  <guid>unique string per item</guid>
  <pubDate>Mon, 06 Sep 2009 16:20:00 +0000 </pubDate>
 </item>

</channel>
</rss>

如果您打算使用 PHP，我对用 PHP 构建的 SimpleXML 有非常积极的体验。

附言Xatenev 不客气 ;)