使用Ruby解析标记中包含冒号的RSS项目？

Question

我正在尝试解析具有此标记结构的RSS源中的信息：

<dc:subject>foo bar</dc:subject>

使用内置的Ruby RSS库。显然，做item.dc:subject会导致错误，但我无法找出任何方法来提取这些信息。有没有办法让这个工作？或者是否可以使用不同的RSS库？

Answer 1

带有'：'的标签实际上是带有命名空间的XML标签。我从来没有使用RSS模块取得好成绩，因为Feed格式通常不符合规格，导致模块放弃。我强烈建议使用Nokogiri来解析feed，无论是RDF，RSS还是ATOM。

Nokogiri能够使用XPath访问器或CSS访问器，并且都支持名称空间。最后两行是等价的：

require 'nokogiri'
require 'open-uri'
doc = Nokogiri::XML(open('http://somehost.com/rss_feed'))
doc.at('//dc:subject').text
doc.at('dc|subject').text

在处理命名空间时，您需要将声明添加到XPath访问器：

doc.at('//dc:subject', 'dc' => 'link to dc declaration') 

See the "Namespaces" section了解更多信息。

如果没有网址或更好的示例，我无法做更多，但这应该让您指向更好的方向。

几年后，我使用处理RDF，RSS和ATOM的Nokogiri为我的工作写了一个大的RSS聚合器。 Ruby的RSS库不能完成任务，但Nokogiri很棒。

如果您不想自己动手，Paul Dix's Feedzirra是处理Feed的好宝石。

Answer 2

RSS模块似乎能够执行这些XML命名空间属性，即<dc:date>，如下所示：

feed.items.each do |item| puts "Date: #{item.dc_date}" end

Answer 3

我认为item['dc:subject']可能有用。