Найкращий спосіб розбору RSS / Atom каналів за допомогою PHP [закрито]

Зараз я використовую Magpie RSS, але він іноді перепадає, коли RSS або Atom канал не сформовані. Чи є інші варіанти для розбору RSS та Atom каналів за допомогою PHP?

Ваші інші варіанти включають:

• SimplePie
• Останній RSS
• PHP Universal Feed Parser

Я завжди використовував функції SimpleXML, вбудовані в PHP, для аналізу XML-документів. Це один з небагатьох загальних парсерів, що має інтуїтивну структуру, що дозволяє надзвичайно легко створити змістовний клас для чогось конкретного, як RSS-канал. Крім того, він виявить попередження та помилки XML, і, знайшовши будь-які, ви можете просто запустити джерело через щось на зразок HTML Tidy (як це згадував ceejayoz), щоб очистити його та спробувати його знову.

Розглянемо цей дуже грубий, простий клас за допомогою 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;
    }
}

За допомогою 4 рядків я імпортую rss до масиву.

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

Для більш складного рішення

$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);

Я хотів би представити простий скрипт для розбору 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++;
}

Якщо канал не є добре сформованим XML, його слід відхилити, без винятку. Ви маєте право називати творця каналу bozo .

Інакше ви прокладаєте шлях, щоб зіпсувати цей HTML-код.

Бібліотека HTML Tidy здатна виправити деякі неправильно сформовані файли XML. Запуск каналів через це, перш ніж передавати їх на аналізатор, може допомогти.

Я використовую SimplePie для розбору каналу Google Reader, і він працює досить добре і має гідний набір функцій.

Звичайно, я не перевіряв це на не добре сформованих каналах RSS / Atom, тому я не знаю, як він справляється з цими, я припускаю, що Google цілком відповідають стандартам! :)

Особисто я використовую розширений аналізатор подачі BNC - мені подобається система шаблонів, яка дуже проста у використанні

Зчитувач RSS PHP - http://www.scriptol.com/rss/rss-reader.php - це повний, але простий аналізатор, який використовується тисячами користувачів ...

Ще один чудовий безкоштовний аналізатор - http://bncscripts.com/free-php-rss-parser/ Це дуже легкий (всього 3 кбіт) і простий у використанні!