使用 SimpleXML 读取 RSS 提要

Posted 2023-02-16

【中文标题】使用 SimpleXML 读取 RSS 提要

【英文标题】：Using SimpleXML to read RSS feed

【发布时间】：2011-06-20 17:07:18

【问题描述】：

我正在使用 php 和 simpleXML 来阅读以下 rss 提要：

http://feeds.bbci.co.uk/news/england/rss.xml

我可以像这样获得大部分我想要的信息：

$rss = simplexml_load_file('http://feeds.bbci.co.uk/news/england/rss.xml');

echo '<h1>'. $rss->channel->title . '</h1>';

foreach ($rss->channel->item as $item) 
   echo '<h2><a href="'. $item->link .'">' . $item->title . "</a></h2>";
   echo "<p>" . $item->pubDate . "</p>";
   echo "<p>" . $item->description . "</p>";
 

但是我将如何输出以下标签中的缩略图：

<media:thumbnail   url="http://news.bbcimg.co.uk/media/images/51078000/jpg/_51078953_226alanpotbury.jpg"/>  

【参考方案1】：

如您所知，SimpleXML 允许您使用对象属性运算符-> 选择节点的子节点，或者使用数组访问['name'] 选择节点的属性。这很好，但只有当您选择的内容属于同一个命名空间时，该操作才有效。

如果您想“跳跃” 从一个命名空间到另一个命名空间，您可以使用children() 或attributes() 方法。在您的情况下，这有点棘手，因为您在全局命名空间中有<item/>，您要查找的节点在“媒体”命名空间*中，然后属性再次在全局命名空间中（它们不是前缀。）因此，使用普通的对象/数组表示法，您必须 "hop" 两次：

foreach ($rss->channel->item as $item)

    // we load the attributes into $thumbAttr
    // you can either use the namespace prefix
    $thumbAttr = $item->children('media', true)->thumbnail->attributes();

    // or preferably the namespace name, read note below for an explanation
    $thumbAttr = $item->children('http://search.yahoo.com/mrss/')->thumbnail->attributes();

    echo $thumbAttr['url'];

---

*注意

我将命名空间称为“媒体”命名空间，但这并不完全正确。命名空间名称是http://search.yahoo.com/mrss/，“media”只是一个前缀，如果你愿意的话，是某种别名。重要的是要记住http://search.yahoo.com/mrss/ 是命名空间的真实名称。在某些时候，您的 RSS 提供商可能决定将前缀更改为“yahoo”，如果您的脚本引用“媒体”前缀，您的脚本将停止工作。但是，如果您使用命名空间名称，无论前缀如何，它都会继续工作。

【讨论】：

您指定的脚本是读取xml并将其放入我们网站的方式。如果假设我只有在 RSS 提要（xml 内容）发生变化时才触发此脚本来读取 xml，该怎么做？

这与XML无关，请将其作为新问题发布，以便正确回答。

【参考方案2】：

SimpleXML 在处理命名空间方面非常糟糕。您有两个选择：最简单的 hack 是简单地将提要的内容读入字符串并替换命名空间；

$feed = file_get_contents('http://feeds.bbci.co.uk/news/england/rss.xml');
$feed = str_replace('<media:', '<', $feed);

$rss = simplexml_load_string($feed);
...

现在您可以直接访问元素thumbnail。

更优雅（不是真的）方法是找出命名空间使用的 URI。如果您查看http://feeds.bbci.co.uk/news/england/rss.xml 的源代码，您会发现它指向http://search.yahoo.com/mrss/。

现在您可以在 SimpleXMLElement 的 children() 方法中使用此 URI 来获取 media:thumbnail 元素的内容；

$rss = simplexml_load_file('http://feeds.bbci.co.uk/news/england/rss.xml');

foreach ($rss->channel->item as $item) 
    $media = $item->children('http://search.yahoo.com/mrss/');
    ...

【讨论】：

-1 与内置命名空间处理相比，建议将天真的字符串操作作为任何类型的选项。不知道为什么您认为 children 方法“非常糟糕”和“不优雅” - 您必须告诉 SimpleXML somewhere 您想要哪个命名空间；您甚至可以（从 PHP 5.3 起）使用 XML 前缀 (->children('media', true))，尽管如果 XML 的生成方式稍有不同，URI 是唯一保证不会更改的标识符。

这不是最好的主意（请参阅上面的 IMSoP 评论），但由于这是公认的答案，因此这是正确的方法：str_replace(array('<media:', '</media:'), array('<', '</'), $feed);

@sun：也好不了多少。它会破裂。这甚至不做任何 bare 标签解析。