用PHP解析RSS/Atom源的最佳方法[关闭]

其他选项包括:

• SimplePie
• Last RSS
• PHP Universal Feed Parser

我总是用 the SimpleXML functions built in to PHP 解析XML文档。它是为数不多的具有直观结构的通用解析器之一,这使得为一些特定的东西(比如RSS提要)构建一个有意义的类变得非常容易。此外,它还将检测XML警告和错误,一旦找到任何错误,您可以简单地通过类似于html-tidy(如ceejayoz所提到的)的东西运行源代码来清理并再次尝试。

考虑使用simpleXML的这个非常粗糙、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;
    }
}

使用4行,我将一个RSS导入到一个数组中。

$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);

我想介绍一个简单的脚本来解析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 '<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++;
}

如果提要不是格式良好的XML,那么应该拒绝它,没有异常。您有权呼叫订阅源创建者 a bozo .

否则,您将铺平弄乱HTML的道路。

HTML整理库可以修复一些格式错误的XML文件。在将提要传递给解析器之前,运行这些提要可能会有所帮助。

我用 SimplePie 要解析一个谷歌阅读器feed,它工作得很好,并且有一个不错的特性集。

当然,我还没有用格式不好的RSS/Atom feeds测试过它,所以我不知道它是如何处理这些问题的,我假设Google是相当符合标准的!:)

我个人使用BNC高级提要解析器-我喜欢非常容易使用的模板系统

PHP RSS阅读器- http://www.scriptol.com/rss/rss-reader.php -是一个完整但简单的解析器,被成千上万的用户使用…

另一个伟大的自由解析器- http://bncscripts.com/free-php-rss-parser/ 它非常轻(只有3kb)而且使用简单!