| 2002 年 11 月 01 日 RSS 是迄今為止最為成功的 XML 服務(wù)之一。除了它那令人混亂的歷史根源，它已經(jīng)成為了通過(guò) Web 站點(diǎn)交換內(nèi)容信息的社區(qū)標(biāo)準(zhǔn)。Python 是用于 RSS 處理的一個(gè)優(yōu)秀的工具，并且 Mike Olson 和 Uche Ogbuji 介紹了可用于這一目的的一些模塊。 RSS 是一個(gè)可用多種擴(kuò)展來(lái)表示的縮寫(xiě)：“RDF 站點(diǎn)摘要（RDF Site Summary）”、“真正簡(jiǎn)單的辛迪加（Really Simple Syndication）”、“豐富站點(diǎn)摘要（Rich Site Summary）”，也許還能用其他擴(kuò)展來(lái)表示。在如此混亂的名稱背后，您會(huì)發(fā)現(xiàn)和這樣一個(gè)平凡的技術(shù)領(lǐng)域相關(guān)的故事多得令人吃驚。RSS 是用于分發(fā) Web 站點(diǎn)上的內(nèi)容的摘要的一種簡(jiǎn)單的 XML 格式。它能夠用于共享各種各樣的信息，包括（但不是 僅限于）簡(jiǎn)訊、Web 站點(diǎn)更新、事件日歷、軟件更新、特色內(nèi)容集合和基于 Web 進(jìn)行拍賣的商品。 RSS 是 Netscape 在 1999 年創(chuàng)建的，它允許將許多信息源中的內(nèi)容聚集到 Netcenter 門(mén)戶網(wǎng)站中（這個(gè)門(mén)戶網(wǎng)站現(xiàn)在已經(jīng)不存在了）。UserLand 社區(qū)中的 Web 狂熱愛(ài)好者們成為了 RSS 早期的支持者，RSS 很快就成為了一種非常流行的格式。這種流行使得人們很難對(duì) RSS 進(jìn)行改進(jìn)從而使它能用于更多的地方。這種限制導(dǎo)致了 RSS 的發(fā)展出現(xiàn)了分歧。其中一個(gè)組選擇了一種基于 RDF 的方式，目的在于利用大量的 RDF 工具和模塊，而另一個(gè)組則選擇了一種更加緊縮的方式。前者被稱之為 RSS 1.0，而后者則被稱之為 RSS 0.91。就在上個(gè)月由于 RSS 非 RDF 變體的一個(gè)新版本的出現(xiàn)使得兩者之間的競(jìng)爭(zhēng)進(jìn)一步加劇，這一新版本被它的創(chuàng)造者稱之為“RSS 2.0”。 RSS 0.91 和 1.0 非常流行，并且許許多多的門(mén)戶網(wǎng)站和 Web 日志都使用它們。事實(shí)上，blogging 社區(qū)是 RSS 的主要用戶，而 RSS 就是某些現(xiàn)有的用于 XML 交換的網(wǎng)絡(luò)令人印象深刻的理由。這些網(wǎng)絡(luò)已在有機(jī)地增長(zhǎng)，并且真正地成為現(xiàn)有的最成功的 XML 服務(wù)的網(wǎng)絡(luò)。RSS 成為一種 XML 服務(wù)是因?yàn)樗煌ㄟ^(guò)網(wǎng)際協(xié)議交換 XML 信息（絕大多數(shù)的 RSS 交換是 RSS 文檔的簡(jiǎn)單 HTTP GET）。在本文中，我們介紹的不過(guò)是許多可以與 RSS 一起工作的 Python 工具中的少數(shù)幾個(gè)。我們不提供針對(duì) RSS 的技術(shù)上的介紹，因?yàn)槟梢栽谄渌S多的文章中獲得這些內(nèi)容。（請(qǐng)參閱 參考資料）。我們推薦您首先簡(jiǎn)單地熟悉一下 RSS 知識(shí)，并且能了解 XML。您不需要去了解 RDF。 [ 由于 RSS 使用了 XML 描述而沒(méi)有使用 WSDL，所以我們將 RSS 作為一個(gè)“XML 服務(wù)”而不是一個(gè)“Web 服務(wù)”對(duì)待。－ 編者按 ] RSS.py Mark Nottingham 編寫(xiě)的 RSS.py 是用于 RSS 處理的一個(gè) Python 庫(kù)。它非常完善并且編寫(xiě)的很好。它需要 Python 2.2 和 PyXML 0.7.1。它的安裝是非常簡(jiǎn)單；您只需從 Mark 的主頁(yè)中下載 Python 文件并將它復(fù)制到您的 PYTHONPATH 中的某處。 大多數(shù) RSS.py 的用戶本身只需要關(guān)心它所提供的兩個(gè)類： CollectionChannel 和 TrackingChannel 。后者似乎是這兩個(gè)類中更有用的一個(gè)。 TrackingChannel 是一個(gè)包含以每一項(xiàng)的關(guān)鍵字為索引的所有的 RSS 數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。 CollectionChannel 是一個(gè)類似的數(shù)據(jù)結(jié)構(gòu)，但它的結(jié)構(gòu)更像 RSS 文檔本身，它的頂層通道信息使用 URL 表示的散列值指向項(xiàng)細(xì)節(jié)。您很可能會(huì)使用 RSS.ns 結(jié)構(gòu)中的實(shí)用程序名稱空間聲明。 清單 1是一個(gè)簡(jiǎn)單的腳本，它將下載并解析用于 Python 新聞的 RSS 供給，并以一個(gè)簡(jiǎn)單的清單形式打印來(lái)自各項(xiàng)的所有信息。
清單 1：使用 RSS.py 的一個(gè)簡(jiǎn)單練習(xí)
from RSS import ns, CollectionChannel, TrackingChannel #Create a tracking channel, which is a data structure that #Indexes RSS data by item URL tc = TrackingChannel() #Returns the RSSParser instance used, which can usually be ignored tc.parse("http://www.python.org/channews.rdf") RSS10_TITLE = (ns.rss10, 'title') RSS10_DESC = (ns.rss10, 'description') #You can also use tc.keys() items = tc.listItems() for item in items: #Each item is a (url, order_index) tuple url = item[0] print "RSS Item:", url #Get all the data for the item as a Python dictionary item_data = tc.getItem(item) print "Title:", item_data.get(RSS10_TITLE, "(none)") print "Description:", item_data.get(RSS10_DESC, "(none)") |
我們從創(chuàng)建一個(gè) TrackingChannel 實(shí)例開(kāi)始，并且將從 http://www.python.org/channews.rdf 上的 RSS 供給解析得到的數(shù)據(jù)填入其中。RSS.py 使用元組作為 RSS 數(shù)據(jù)的屬性名稱。對(duì)于那些不習(xí)慣 XML 處理技術(shù)的人來(lái)說(shuō)，這種方式看上去也許不太尋常，但它對(duì)于精確了解原始的 RSS 文件中的內(nèi)容的確是一種很有效的方式。因此，一個(gè) RSS 0.91 title 元素被認(rèn)為不同于一個(gè) RSS 1.0 中的同名元素。應(yīng)用程序有足夠的數(shù)據(jù)來(lái)忽略這個(gè)差異，如果您愿意，可以通過(guò)忽略每個(gè)元組的名稱空間的部分來(lái)忽略這個(gè)差異；但基本的 API 是與初始 RSS 文件的語(yǔ)法相結(jié)合的，所以這個(gè)信息沒(méi)有丟失。在代碼中，我們使用這個(gè)屬性數(shù)據(jù)來(lái)聚集用于顯示的新聞供給中的所有項(xiàng)。請(qǐng)注意，我們很仔細(xì)地不去假定任何特殊 的項(xiàng)可能會(huì)有什么屬性。我們使用如下代碼所示的安全的形式來(lái)檢索屬性。 print "Title:", item_data.get(RSS10_TITLE, "(none)") |
如果沒(méi)有找到該屬性則它會(huì)提供一個(gè)缺省值，而不是這個(gè)示例。 print "Title:", item_data[RSS10_TITLE] |
由于您不可能會(huì)知道 RSS 供給中所使用的是什么元素，因此這樣的謹(jǐn)慎是有必要的。 清單 2顯示了 清單 1的輸出。
清單 2：清單 1 的輸出
$ python listing1.py RSS Item: http://www.python.org/2.2.2/ Title: Python 2.2.2b1 Description: (none) RSS Item: http://sf.net/projects/spambayes/ Title: spambayes project Description: (none) RSS Item: http://www.mems-exchange.org/software/scgi/ Title: scgi 0.5 Description: (none) RSS Item: http://roundup.sourceforge.net/ Title: Roundup 0.4.4 Description: (none) RSS Item: http://www.pygame.org/ Title: Pygame 1.5.3 Description: (none) RSS Item: http://www.cosc.canterbury.ac.nz/~greg/python/Pyrex/ Title: Pyrex 0.4.4.1 Description: (none) RSS Item: http://www.tundraware.com/Software/hb/ Title: hb 1.88 Description: (none) RSS Item: http://www.tundraware.com/Software/abck/ Title: abck 2.2 Description: (none) RSS Item: http://www.terra.es/personal7/inigoserna/lfm/ Title: lfm 0.9 Description: (none) RSS Item: http://www.tundraware.com/Software/waccess/ Title: waccess 2.0 Description: (none) RSS Item: http://www.krause-software.de/jinsitu/ Title: JinSitu 0.3 Description: (none) RSS Item: http://www.alobbs.com/pykyra/ Title: PyKyra 0.1.0 Description: (none) RSS Item: http://www.havenrock.com/developer/treewidgets/index.html Title: TreeWidgets 1.0a1 Description: (none) RSS Item: http://civil.sf.net/ Title: Civil 0.80 Description: (none) RSS Item: http://www.stackless.com/ Title: Stackless Python Beta Description: (none) |
當(dāng)然，你可能會(huì)遇到稍微有些不同的輸出，這是因?yàn)樵谀鷮?duì)它進(jìn)行試驗(yàn)時(shí)新聞項(xiàng)可能已經(jīng)更改了。RSS.py 通道對(duì)象也提供方法來(lái)添加并修改 RSS 信息。您可以使用 output() 方法將結(jié)果寫(xiě)回 RSS 1.0 格式。通過(guò)將在 清單 1 中解析的信息寫(xiě)回去來(lái)對(duì)它進(jìn)行試驗(yàn)。在交互式模式下通過(guò)運(yùn)行 python -i listing1.py 來(lái)啟動(dòng)腳本。在產(chǎn)生的 Python 提示符下，運(yùn)行以下示例。 >>> result = tc.output(items) >>> print result |
結(jié)果是一個(gè)打印輸出的 RSS 1.0 文檔。為了它能工作您必須有 RSS.py，版本 0.42 或者更高的版本。較早版本中的 output() 方法中有一個(gè)錯(cuò)誤。
rssparser.py Mark Pilgrim 為 RSS 文件解析提供了另一個(gè)模塊。它并不提供 RSS.py 所提供的所有的功能部件和選項(xiàng)，但它卻提供了一個(gè)非常自由的解析器，它能很好的處理 RSS 世界中所有令人混亂的差異。以下摘自 rssparser.py 頁(yè)面： 如您所見(jiàn)，大多數(shù) RSS 供給都很糟糕。無(wú)效的字符、未轉(zhuǎn)義的 & 符號(hào)（Blogger 供給）、無(wú)效的實(shí)體（Radio 供給）和未轉(zhuǎn)義以及無(wú)效的 HTML（通常為注冊(cè)中心所提供的）?；蛘咧皇?RSS 0.9x 元素和 RSS 1.0 元素的一個(gè)籠統(tǒng)的混合（可移動(dòng)類型供給（Movable Type feeds））。 還 有許多太前沿的供給，就象 Aaron 的 feed。他將一個(gè)摘錄放入描述元素中而將完整的文本放入 content:encoded 元素中（象 CDATA）。這是一個(gè)有效的 RSS 1.0，但沒(méi)有人回真正使用它（除了 Aaron），幾乎沒(méi)有新聞聚集器支持它，并且許多解析器還排斥它。其他解析器被 RSS 0.94 中的新元素（guid）所困惑（請(qǐng)參閱 Dave Winer 的供給作為一個(gè)示例）。還有 Jon Udell 的供給，其中還有他才從創(chuàng)作中挑選出來(lái)的 fullitem 元素。 XML 和 Web 服務(wù)會(huì)增加互操作性幾乎已成定局，所以這樣考慮其實(shí)很可笑。無(wú)論如何，設(shè)計(jì) rssparser.py 目的就是要處理所有這些荒唐的情況。 安裝 rssparser.py 也十分簡(jiǎn)單。請(qǐng)您下載 Python 文件（參閱參考資料），將“rssparser.py.txt”重命名為 “rssparser.py”，并將它復(fù)制到您的 PYTHONPATH 中。我同樣建議您取得可選的 timeoutsocket 模塊，它可以改進(jìn) Python 中的套接字操作的超時(shí)行為，這樣有助于取得 RSS feeds 而不必為了防止錯(cuò)誤就停止應(yīng)用程序線程。 清單 3是一個(gè)等同于 清單 1的腳本，但它使用了 rssparser.py，而不是 RSS.py。
清單 3：使用一個(gè)簡(jiǎn)單的 rssparser.py 練習(xí)
import rssparser #Parse the data, returns a tuple: (data for channels, data for items) channel, items = rssparser.parse("http://www.python.org/channews.rdf") for item in items: #Each item is a dictionary mapping properties to values print "RSS Item:", item.get('link', "(none)") print "Title:", item.get('title', "(none)") print "Description:", item.get('description', "(none)") |
如 您所見(jiàn)，這段代碼非常簡(jiǎn)單。RSS.py 和 rssparser.py 不能互相取代在很大程度上是因?yàn)榍罢哂懈嗟墓δ懿考?，并且維護(hù)著 RSS 供給中更多的語(yǔ)法信息。后者更簡(jiǎn)單，并且是一個(gè)容錯(cuò)能力更強(qiáng)的解析器（RSS.py 解析器只能接受格式良好的 XML）。 它的輸出應(yīng)該與 清單 2中的輸出相同。
結(jié)束語(yǔ) 用于 RSS 的 Python 工具有許多，并且由于篇幅所限我們也無(wú)法一一介紹。如果您想要研究其他的模塊，Aaron Swartz 的 RSS 工具頁(yè)面是一個(gè)起步的好地方。在 Python 中使用 RSS 非常容易，因?yàn)樗梢允褂盟械闹匾K。這些模塊屏蔽了由 RSS 的歷史和流行帶來(lái)的所有混亂。如果您的 XML 服務(wù)需求大部分都涉及到交換 Web 站點(diǎn)的描述性信息，我們極力推薦您在工作中使用最成功的 XML 服務(wù)技術(shù)。 下個(gè)月，我們將解釋如何使用 Python 的 e-mail 包來(lái)編寫(xiě) SMTP 上的 Web 服務(wù)。
參考資料 | 
