Question

德国最高法院出版an RSS feed of all its decisions。遗憾的是，此RSS源中的项目不是直接链接到决策的PDF，而是链接到iFrame中包含PDF的网页。

网页都是以并行方式构建的。例如，在a random RSS feed item's linked web page中，源代码中的相对链接将如下所示：

<iframe border='0' src='document.py?Gericht=bgh&amp;Art=en&amp;Datum=Aktuell&amp;nr=66132&amp;Frame=4&.pdf' width='744px' height='100%'>Leider kann Ihr Browser keine eingebetteten Frames darstellen. Klicken Sie <a href='document.py?Gericht=bgh&amp;Art=en&amp;Datum=Aktuell&amp;nr=66132&amp;Frame=4&.pdf'>hier</a>, um das gewünschte Dokument zu erhalten.</iframe>

链接都是相对于文件夹

http://juris.bundesgerichtshof.de/cgi-bin/rechtsprechung/

我想将此RSS源转换为RSS源，其中每个项目的链接都是直接链接到PDF的链接，因此在我的示例中，RSS源项目的链接应变为“http://juris.bundesgerichtshof.de/cgi-bin/rechtsprechung/document.py?Gericht=bgh&Art=en&Datum=Aktuell&nr=66132&Frame=4&.pdf”。

我的想法是使用Yahoo Pipes循环遍历RSS提要的所有项目，按照项目的链接，查看网页的源代码并在<iframe border='0' src='和下一个{'之间提取字符串。 1}}，将绝对文件夹路径粘贴在相对结果的前面，然后将其重新分配给项目的链接。我的悲惨尝试是here。基本上，我不知道在XPath模块中输入什么。

Answer 1

我有个坏消息。我担心这是不可能的。

在这种情况下的解决方案是创建两个管道：

低级管道：
- 使用以下值接收网址输入：http://juris.bundesgerichtshof.de/cgi-bin/rechtsprechung/document.py?Gericht=bgh&Art=en&az=IX%20ZR%2044/12&nr=66132
- 使用 XPath抓取页面模块获取网址
- 希望提取iframe属性，然后返回结果
更高级别的管道：
- 使用抓取Feed
- 循环遍历Feed项，在每次迭代中使用Feed项的URL字段调用低级管道并将结果分配给属性
- 根据新分配的属性构建网址

这可能会奏效。不幸的是，除此之外，该网站拒绝Yahoo Pipes：它在尝试获取该页面时收到“Forbidden 403”错误。

所以这不能直接与Yahoo Pipes一起使用。另一种方法是，如果您可以设置代理服务器，它可以转发请求，以便德国网站无法知道它们来自Yahoo Pipes。

顺便说一句，这与我无法基于IMDB（互联网电影数据库）创建自定义订阅源的原因相同。他们拒绝来自Yahoo Pipes的所有请求。

使用Yahoo Pipes从RSS提要项的链接页面中提取元素，将结果转换为RSS提要

1 个答案: