使用Universal Feed Parser读取RSS Feed中的扩展元素集合

Question

有没有办法用Universal Feed Parser来读取一组扩展元素呢？

这是Kuler RSS源的一小段内容：

<channel>
  <item>
    <!-- snip: regular RSS elements -->
    <kuler:themeItem>
      <kuler:themeID>123456</kuler:themeID>
      <!-- snip -->
      <kuler:themeSwatches>
        <kuler:swatch>
          <kuler:swatchHexColor>FFFFFF</kuler:swatchHexColor>
          <!-- snip -->
        </kuler:swatch>
        <kuler:swatch>
          <kuler:swatchHexColor>000000</kuler:swatchHexColor>
          <!-- snip -->
        </kuler:swatch>
      </kuler:themeSwatches>
    </kuler:themeItem>
  </item>
</channel>

我尝试了以下方法：

>>> feed = feedparser.parse(url)
>>> feed.channel.title
u'kuler highest rated themes'
>>> feed.entries[0].title
u'Foobar'
>>> feed.entries[0].kuler_themeid
u'123456'
>>> feed.entries[0].kuler_swatch
u''

feed.entries[0].kuler_swatchhexcolor 只返回了最后一个 kuler:swatchHexColor。有没有办法用 feedparser 获取所有的元素呢？

我已经通过使用minidom解决了这个问题，但如果可以的话，我想用Universal Feed Parser（因为它的API非常简单）。这个库可以扩展吗？我在文档中没有找到相关信息，如果有人对这个库有更多经验，请给我一些建议。

Answer 1

Universal Feed Parser 对于大多数信息源来说都很好用，但如果你要处理更复杂的信息源，可能可以试试一个叫做 BeautifulSoup 的工具。它是一个用来解析 XML、HTML 和 XHTML 的库，最初是为了抓取网页内容而设计的；结果发现它在处理这类事情上也非常出色。它的文档写得不错，使用起来也很简单明了，所以如果你考虑用其他工具的话，我会推荐这个。

我可能会这样使用它：

>>> import BeautifulSoup
>>> import urllib2

# Fetch HTML data from url
>>> connection = urllib2.urlopen('http://kuler.adobe.com/path/to/rss.xml')
>>> html_data = connection.read()
>>> connection.close()

# Create and search the soup
>>> soup = BeautifulSoup.BeautifulSoup(html_data)
>>> themes = soup.findAll('kuler:themeitem') # Note: all lower-case element names

# Get the ID of the first theme
>>> themes[0].find('kuler:themeid').contents[0]
u'123456'

# Get an ordered list of the hex colors for the first theme
>>> themeswatches = themes[0].find('kuler:themeswatches')
>>> colors = [color.contents[0] for color in
... themeswatches.findAll('kuler:swatchhexcolor')]
>>> colors
[u'FFFFFF', u'000000']

所以你应该能明白这是一个非常酷的库。如果你只是解析普通的 RSS 信息源，可能效果不会太好，但因为这些数据来自 Adobe Kuler，你可以比较放心，它的数据变化不会太大，不会导致你的应用崩溃（也就是说，它是一个比较可靠的来源）。

更糟糕的是，解析 Adobe 的 .ASE 格式简直让人崩溃。我尝试为它写解析器，结果变得非常糟糕，真是让人无奈。所以，是的，使用 RSS 信息源可能是与 Kuler 交互的最简单方式。