使用PHP解析RSS/Atom提要的最佳方法

我目前正在使用Magpie RSS,但是当RSS或Atom提要不是很好时,它有时会失败.是否还有其他选项可以使用PHP解析RSS和Atom提要？

1> Brian Cline..：

---

我一直使用PHP内置的SimpleXML函数来解析XML文档.它是为数不多的通用解析器之一,它具有直观的结构,这使得为特定类似RSS提要的东西构建有意义的类非常容易.此外,它将检测XML警告和错误,并在找到任何你可以简单地通过像HTML Tidy(如ceejayoz提到的)之类的东西来清理它并再次尝试它.

使用SimpleXML考虑这个非常粗略,简单的类:

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;
    }
}

---

好吧,我有一个,但它被SO的代码格式化程序吃掉,因为它上面没有空行.在相关的说明中,你没有用大写字母开始你的句子.;)

---

请注意,`eregi_replace`现已弃用,并已替换为`preg_replace`以及带有`preg_match`的`eregi`.文档可以在[这里](http://php.net/manual/en/function.preg-replace.php)和[here](http://php.net/manual/en/function.preg-match)找到.php)分别.

---

请注意,尽管此解决方案很棒,但它只会以当前形式解析RSS提要.由于它们的架构不同,因此不会解析Atom订阅源.

---

请将`$ feed_uri = $ feed_or_url;`更改为`$ feed_uri = $ file_or_url;`...除此之外,感谢您提供此代码!它很棒!

---

你有一个没有开始标记的结束标记.;)

2> PJunior..：

---

有4行,我将rss导入数组.

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

对于更复杂的解决方案

$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);

---

使用4行,做得很好:)但后来我改写了第1行:`$ feed = file_get_contents('http://yourdomains.com/feed.rss');`_可能不如文件+ implode_强化

---

我刚尝试过.它没有给出一个数组

---

如果你想知道.看起来他正在使用tumblr rss feed.Anytumblrsite.com/rss会给你相同的输出.

3> Philip Morto..：

---

您的其他选择包括:

了SimplePie

最后的RSS

PHP Universal Feed Parser

---

我不喜欢这样的"答案",给出了没有任何评论的链接.看起来你谷歌它并链接到一些顶级结果.特别是因为提问者有一些RSS经验并且需要一个*更好的*解析器.

---

Zend Feed http://framework.zend.com/manual/en/zend.feed.html

---

如果有人需要一点建议,Last RSS是上面列出的三个中最容易的.只有1个文件"需要",并且可以在5行内获取RSS,具有合适的阵列输出.

4> 小智..：

---

我想介绍简单的脚本来解析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 '
 '.$rss->channel->title.'
'; // channel title + img with src

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

$i++;
}

5> Kornel..：

---

如果feed不是格式良好的XML,那么你应该拒绝它,没有例外.您有权将饲料创建者称为bozo.

否则,你正在铺平道路,弄乱HTML最终.

---

但是,程序员无法选择业务合作伙伴并且必须解析他们所提供的内容.

---

+1,你不应该尝试解决任何格式不正确的XML.我们和他们有过不愉快的经历,相信我,这是巨大的痛苦:(

---

如果您正在构建通用RSS/Atom提要阅读器,该怎么办？如果任何格式错误的xml文件可以"弄乱"你的HTML,谁是Bozo？;)在你收到的东西中要自由.

6> ceejayoz..：

---

HTML Tidy库能够修复一些格式错误的XML文件.在将它们传递给解析器之前运行您的feed可能会有所帮助.