A melhor maneira de processar as fontes RSS/Atom com PHP [fechado]

Sempre usei as funções SimpleXML incorporadas no PHP para processar documentos XML. É um dos poucos parsers genéricos lá fora que tem uma estrutura intuitiva para ele, o que torna extremamente fácil construir uma classe significativa para algo específico como um feed RSS. Além disso, ele irá detectar avisos XML e erros, e ao encontrar qualquer um que você poderia simplesmente executar a fonte através de algo como HTML Tidy (como ceejayoz mencionou) para limpá-lo e tentar Outra vez.

Considere esta classe muito áspera e simples usando o SimpleXML:

class BlogPost
{
    var $date;
    var $ts;
    var $link;

    var $title;
    var $text;
}

class BlogFeed
{
    var $posts = array();

    function __construct($file_or_url)
    {
        $file_or_url = $this->resolveFile($file_or_url);
        if (!($x = simplexml_load_file($file_or_url)))
            return;

        foreach ($x->channel->item as $item)
        {
            $post = new BlogPost();
            $post->date  = (string) $item->pubDate;
            $post->ts    = strtotime($item->pubDate);
            $post->link  = (string) $item->link;
            $post->title = (string) $item->title;
            $post->text  = (string) $item->description;

            // Create summary as a shortened body and remove images, 
            // extraneous line breaks, etc.
            $post->summary = $this->summarizeText($post->text);

            $this->posts[] = $post;
        }
    }

    private function resolveFile($file_or_url) {
        if (!preg_match('|^https?:|', $file_or_url))
            $feed_uri = $_SERVER['DOCUMENT_ROOT'] .'/shared/xml/'. $file_or_url;
        else
            $feed_uri = $file_or_url;

        return $feed_uri;
    }

    private function summarizeText($summary) {
        $summary = strip_tags($summary);

        // Truncate summary line to 100 characters
        $max_len = 100;
        if (strlen($summary) > $max_len)
            $summary = substr($summary, 0, $max_len) . '...';

        return $summary;
    }
}

Com 4 linhas, eu importo um rss para um array.

$feed = implode(file('http://yourdomains.com/feed.rss'));
$xml = simplexml_load_string($feed);
$json = json_encode($xml);
$array = json_decode($json,TRUE);

Para uma solução mais complexa

$feed = new DOMDocument();
 $feed->load('file.rss');
 $json = array();
 $json['title'] = $feed->getElementsByTagName('channel')->item(0)->getElementsByTagName('title')->item(0)->firstChild->nodeValue;
 $json['description'] = $feed->getElementsByTagName('channel')->item(0)->getElementsByTagName('description')->item(0)->firstChild->nodeValue;
 $json['link'] = $feed->getElementsByTagName('channel')->item(0)->getElementsByTagName('link')->item(0)->firstChild->nodeValue;
 $items = $feed->getElementsByTagName('channel')->item(0)->getElementsByTagName('item');

 $json['item'] = array();
 $i = 0;

 foreach($items as $key => $item) {
 $title = $item->getElementsByTagName('title')->item(0)->firstChild->nodeValue;
 $description = $item->getElementsByTagName('description')->item(0)->firstChild->nodeValue;
 $pubDate = $item->getElementsByTagName('pubDate')->item(0)->firstChild->nodeValue;
 $guid = $item->getElementsByTagName('guid')->item(0)->firstChild->nodeValue;

 $json['item'][$key]['title'] = $title;
 $json['item'][$key]['description'] = $description;
 $json['item'][$key]['pubdate'] = $pubDate;
 $json['item'][$key]['guid'] = $guid; 
 }

echo json_encode($json);

Eu gostaria de introduzir um script simples para processar RSS:

$i = 0; // counter
$url = "http://www.banki.ru/xml/news.rss"; // url to parse
$rss = simplexml_load_file($url); // XML parser

// RSS items loop

print '<h2><img style="vertical-align: middle;" src="'.$rss->channel->image->url.'" /> '.$rss->channel->title.'</h2>'; // channel title + img with src

foreach($rss->channel->item as $item) {
if ($i < 10) { // parse only 10 items
    print '<a href="'.$item->link.'">'.$item->title.'</a><br />';
}

$i++;
}

Se o feed não for bem formado XML, é suposto rejeitá-lo, sem excepções. Tem o direito de chamar o criador de rações de palhaço.

A Biblioteca HTML Tidy é capaz de corrigir alguns ficheiros XML malformados. Executando seus feeds através disso antes de passá-los para o analisador pode ajudar.

Eu uso SimplePie para processar uma fonte de leitura do Google e funciona muito bem e tem um conjunto de funcionalidades decente.

Pessoalmente, uso o processador de alimentação avançado BNC-gosto do sistema de modelos que é muito fácil de usar

O leitor de RSS do PHP - http://www.scriptol.com/rss/rss-reader.php - é um analisador completo, mas simples, utilizado por milhares de utilizadores...

Outro grande analisador livre - http://bncscripts.com/free-php-rss-parser/ É muito leve (apenas 3kb ) e simples de usar!