全文Feed的终极解决方案

浏览量:18 次

正如我们都知道,全文Feed最有用。

但是,世界上大部分Feed,都是摘要Feed,甚至是标题Feed。我们只好自己动手,制作全文Feed。

传统制作方法非常麻烦,需要针对不同网站,编写不同内容提取规则。要是有一个傻瓜型"全文Feed生成器",把摘要Feed往里面一扔,全文Feed就自动生成了,那该多好。

FiveFilters.org提供生成器,大概最接近于这种要求。

举例来说,网易社会新闻Feed(http://news.163.com/special/00011K6L/rss_sh.xml)是一个摘要Feed。

我们把这个网址,送进FiveFilters.org,点击"Create Feed"按钮,全文Feed就自动产生了!(查看效果)

但是,这个生成器并不是百用百灵,比如新浪Feed(http://rss.sina.com.cn/news/society/focus15.xml)就无法抓取全文。

好在今年3月份,它开源了。作者Keyvan Minoukadeh将所有代码都公开了,所以如果遇到不能生效Feed,现在我们就可以修改源码了。因此理论上,几乎所有摘要Feed都可以自动转成全文Feed了。

源码存放在launchpad.net上,需要安装Bazaar客户端才能下载。我为大家提供方便,把它们压缩成一个zip文件,点击下载(1.0版,217KB)。

下载后,上传到支持PHP 5.2虚拟主机上,就可以直接使用。使用时候,需要将cache子目录设为可写(权限777)。在config-sample.php文件中,可以查看设置选项,修改默认值后,将文件名改为config.php,就会生效。(不修改亦可,config文件并不是必需。)

这个程序核心是readability.php文件,它负责判断当前网页中,那一部分属于页面主要内容,然后将其抓取出来。实现原理照搬了arc90ReadAbility脚本。简单说,思路是这样:1)检查页面中所有p元素父容器;2)根据相关特征,为每一个父容器计算一个特征值;3)特征值最大容器,就是放置主要内容容器。

具体实现请阅读代码,源码写得非常清晰,而且有详细注释。如果遇到不能抓取全文Feed,你就要自己修改readability.php,增加相应规则。比如,在我提供下载代码中,我就设置了新浪网规则,新浪网全文Feed就能自动生成了。

这个程序使用是AGPL许可证,这就是说你可以自由地使用、修改、发布这个程序,但是只要你向他人提供基于这个程序服务,你就必须公开源码。

作者Keyvan Minoukadeh允诺,只要使用者向他捐款200美元,就发布2.0版。如果你喜欢这个程序,建议向他捐款。

P.S.

这几天,我还发现了一个非常优秀开源相册软件ZenPhoto,也推荐使用。

UPDATE(2010.6.3)

Full TEXT RSS 1.5版下载(283KB)

UPDATE(2010.11.10)

Full TEXT RSS 2.1版下载(362KB)

(完)

 
®关于本站文章™ | 若非注明原创,默认 均为网友分享文章,如有侵权,请联系我们™
㊣ 本文永久链接: 全文Feed的终极解决方案