支持FeedBurner的Python RSS解析器

Question

我正在写一个用Python制作的解析RSS源的小程序。我用的是feedparser这个库，但在解析FeedBurner的源时遇到了麻烦。现在还有谁需要FeedBurner呢？不过不管怎样……

比如说，我找不到解析以下链接的方法：

http://feeds.wired.com/wired/index

http://feeds2.feedburner.com/ziffdavis/pcmag

当我把这些链接放进feedparser库时，似乎都不行。我试着在网址后面加上?fmt=xml或者?format=xml，但还是没有得到xml格式的内容。

我需要用像BeautifulSoup这样的HTML解析器来解析FeedBurner的源吗？有没有现成的Python公共解析器或者聚合脚本可以处理这个问题呢？

任何建议或帮助都非常感谢。

Answer 1

我知道这个问题已经很久了，但我觉得对那些搜索解析Feedburner RSS源的人来说，这里有个简单的代码可以帮助到他们。我用这个代码从Cracked.com的Feedburner获取最新的内容，测试过其他几个网站也都能正常工作。

def GetRSS('RSSurl'):
    url_info = urllib.urlopen(RSSurl)
    if (url_info):
        xmldoc = minidom.parse(url_info)
    if (xmldoc):
        url = xmldoc.getElementsByTagName('link').firstChild.data
        title = xmldoc.getElementsByTagName('title').firstChild.data
        print url, print title

只需要把RSSurl替换成你想要的Feedburner页面地址就可以了。而且，正如你可能看到的，如果你想要其他的元素，可以再加一行getElementsByTagName，写上你想要获取的内容。

补充一下：据我所知，这个方法几乎适用于任何RSS源。

Answer 2

可能你遇到了版本问题，或者你使用API的方式不对——看到你的错误信息会更有帮助。例如，下面的代码在Python 2.7和feedparser 5.0.1中是可以正常工作的：

>>> import feedparser
>>> url = 'http://feeds2.feedburner.com/ziffdavis/pcmag'
>>> d = feedparser.parse(url)
>>> d.feed.title
u'PCMag.com: New Product Reviews'
>>> d.feed.link
u'http://www.pcmag.com'
>>> d.feed.subtitle
u"First Look At New Products From PCMag.com including Lab Tests, Ratings, Editor's and User's Reviews."
>>> len(d['entries'])
30
>>> d['entries'][0]['title']
u'Canon Color imageClass MF9280cdn'

还有另一个网址的例子：

>>> url = 'http://feeds.wired.com/wired/index'
>>> d = feedparser.parse(url)
>>> d.feed.title
u'Wired Top Stories'
>>> d.feed.link
u'http://www.wired.com/rss/index.xml'
>>> d.feed.subtitle
u'Top Stories<img src="http://www.wired.com/rss_views/index.gif" />'
>>> len(d['entries'])
30
>>> d['entries'][0]['title']
u'Heart of Dorkness: LARPing Goes Haywire in <em>Wild Hunt</em>'