使用 SimpleXML 读取 RSS 提要
Posted
技术标签:
【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>" . $item->description . "</p>";
但是我将如何输出以下标签中的缩略图:
<media:thumbnail url="http://news.bbcimg.co.uk/media/images/51078000/jpg/_51078953_226alanpotbury.jpg"/>
【问题讨论】:
【参考方案1】:如您所知,SimpleXML 允许您使用对象属性运算符->
选择节点的子节点,或者使用数组访问['name']
选择节点的属性。这很好,但只有当您选择的内容属于同一个命名空间时,该操作才有效。
如果您想“跳跃” 从一个命名空间到另一个命名空间,您可以使用children()
或attributes()
方法。在您的情况下,这有点棘手,因为您在全局命名空间中有<item/>
,您要查找的节点在“媒体”命名空间*中,然后属性再次在全局命名空间中(它们不是前缀。)因此,使用普通的对象/数组表示法,您必须 "hop" 两次:
foreach ($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。以上是关于使用 SimpleXML 读取 RSS 提要的主要内容,如果未能解决你的问题,请参考以下文章
生成 PHP SimpleXML RSS 提要时出现 UTF8 错误