Universal Feed Parserを使用してRSSフィード内の拡張要素のコレクションを読み取る
質問
ユニバーサルフィードパーサーで拡張要素のコレクションを読み取る方法はありますか?
これはKuler RSSフィードからの短い断片です:
<channel>
<item>
<!-- snip: regular RSS elements -->
<kuler:themeItem>
<kuler:themeID>123456</kuler:themeID>
<!-- snip -->
<kuler:themeSwatches>
<kuler:swatch>
<kuler:swatchHexColor>FFFFFF</kuler:swatchHexColor>
<!-- snip -->
</kuler:swatch>
<kuler:swatch>
<kuler:swatchHexColor>000000</kuler:swatchHexColor>
<!-- snip -->
</kuler:swatch>
</kuler:themeSwatches>
</kuler:themeItem>
</item>
</channel>
次のことを試しました:
>>> feed = feedparser.parse(url)
>>> feed.channel.title
u'kuler highest rated themes'
>>> feed.entries[0].title
u'Foobar'
>>> feed.entries[0].kuler_themeid
u'123456'
>>> feed.entries[0].kuler_swatch
u''
feed.entries [0] .kuler_swatchhexcolor
は、最後の kuler:swatchHexColor
のみを返します。 feedparser
ですべての要素を取得する方法はありますか?
minidomを使用してこの問題を既に回避していますが、可能であれば(非常に単純なAPIのため)ユニバーサルフィードパーサーを使用したいと思います。拡張できますか?私はドキュメントでそれについて何も見つけていないので、誰かがライブラリの経験があれば、教えてください。
解決
ユニバーサルフィードパーサーは、ほとんどのフィードに本当に適していますが、拡張フィードには、 BeautifulSoup 。これはもともとスクリーンスクレイピング用に設計されたXML / HTML / XHTML解析ライブラリです。この種のものにとっても素晴らしいことです。ドキュメントは非常に優れており、自明のAPIが用意されているため、他の何かを使用することを考えているなら、それがお勧めです。
おそらく次のように使用します:
>>> import BeautifulSoup
>>> import urllib2
# Fetch HTML data from url
>>> connection = urllib2.urlopen('http://kuler.adobe.com/path/to/rss.xml')
>>> html_data = connection.read()
>>> connection.close()
# Create and search the soup
>>> soup = BeautifulSoup.BeautifulSoup(html_data)
>>> themes = soup.findAll('kuler:themeitem') # Note: all lower-case element names
# Get the ID of the first theme
>>> themes[0].find('kuler:themeid').contents[0]
u'123456'
# Get an ordered list of the hex colors for the first theme
>>> themeswatches = themes[0].find('kuler:themeswatches')
>>> colors = [color.contents[0] for color in
... themeswatches.findAll('kuler:swatchhexcolor')]
>>> colors
[u'FFFFFF', u'000000']
だから、おそらくこれは非常にクールなライブラリであるという考えを得ることができます。古いRSSフィードを解析していたとしても、あまり良いことではありませんが、データはAdobe Kulerからのものであるため、アプリを壊すほど変化しないことを確信できます(つまり、信頼できる十分なソースです)。
さらに悪いことに、Adobeのひどい.ASE形式を解析しようとしています。私はそれのためにパーサーを書いてみましたが、本当に恐ろしく、本当に速くなりました。例えばそのため、おそらく、RSSフィードはKulerとのインターフェースとして最も簡単な方法です。