如何以编程方式将任何网页转换为RSS源？

Question

有许多网站和博客提供RSS提要，但另一方面也有许多网站和博客提供RSS提要。我想将这种类型的网页转换为RSS提要。

我发现了一些通过Google使用的解决方案，例如Feed43，Page2rss，Dapper等，但我想要一个可以执行此任务的开源项目或任何解释它的教程。< / p>

请给我建议，如果你能解释，欢迎你。

我更喜欢的语言是PHP。

Answer 1

RSS没有什么神奇之处。我建议你阅读本教程，了解如何从头开始构建RSS源：

http://www.xul.fr/en-xml-rss.html

然后使用您的PHP技能从您的内容构建一个。可以通过搜索“html to rss converter”或其他任何方式在线找到通用的HTML-to-RSS scraper，但其中大多数将是托管解决方案，而且它们生成的RSS源不是那么好。一个好的RSS提要需要了解您正在联合的内容，而不仅仅是原始HTML。 IMHO。

Answer 2

一般来说，对于这样的事情，不会有任何“一刀切”的解决方案。您必须检查要从中构建RSS源的博客的HTML结构，然后解析您感兴趣的内容，并将其粘贴到RSS源中。

以下是帮助您入门的一些PHP内容：

解析HTML：

• DOMDocument（用于HTML / XML解析的瑞士军刀）
• SimpleXML（易于使用，但需要有效的XML）
• Tidy（可用于清理错误的HTML）

了解RSS Feed：

• http://en.wikipedia.org/wiki/RSS

要使用PHP构建它们，您可以再次使用DOMDocument或SimpleXML。另一种选择是，根据要转换为RSS的HTML格式，您可以创建一个XSLT样式表来对其进行转换。

Answer 3

这个问题没有简单或具体的答案，但我会帮助你。

首先，您需要构建各种爬虫。通常，您希望这是多线程的，并在服务器的后台运行。这可能就像在服务器上分支PHP进程一样简单，但您可能会找到一种更有效的方法，具体取决于您期望的流量。

现在可能最好的方法是阅读DOM。请参阅http://php.net/manual/en/class.domdocument.php查找标题，并尝试将它们与下面的段落相关联。请注意，可能不到一半的网站（并且可能远没有那些没有饲料的网站）不会以有组织的方式构建他们的网站。但是，这是一个开始的地方。

您可以使用很多元素属性，例如alt文本。此外，您可能会发现很多站点使用特定模板，您可以编写代码直接处理。

您还应该阅读现有的Feed。如果一个站点有一个feed，就没有意义为它生成一个，对吗？使用SimplePie开始，但有一些你不喜欢的选择。 http://simplepie.org/

解析完页面后，您需要一个数据库后端来跟踪它并进行更改以及不进行更改。

从那里，您需要一些东西来生成Feed。有很多OOP类可以做到这一点。很多时候，我只是写自己的，但这取决于你。

Answer 4

如果您使用简单symphony cms构建网站，那么是的，非常简单。见snippet of a tutorial。 Learn here