PYTHONのrss xmlファイルの解析

Question

実際にRSS文書からデータを抽出しようとしています。私はxml docを解析するために次のコードを使用しています。

ただし、このドキュメントの作業はありませんhttp://www.mediafire.com/?hptptj8847awnn1助けてください！！

#import easy to use xml parser called minidom: 
import xml.dom.minidom as minidom 
import csv 

def getTags(xml): 
""" 
Print out all titles found in xml 
""" 

doc = minidom.parse(xml) 



node = doc.documentElement 
items = doc.getElementsByTagName("item") 

titles = [] 
for item in items: 
    titleObj = item.getElementsByTagName("title")[0] 
    titles.append(titleObj) 


print len(titles) 

x = 0 
for x in range(len(titles)): 
    nodes = titles[x].childNodes 
    for node in nodes: 
     if node.nodeType == node.CDATA_SECTION_NODE: 
      titletxt = node.data 

     elif node.nodeType == node.TEXT_NODE: 
      titletxt = node.data 

if __name__ == "__main__": 
    document = 'D2B0918.xml' 
    getTags(document) 

Answer 1

あなたが特にRSSを解析したい場合は、私はちょうど謙虚おそらく何をしたいん優れたfeedparserライブラリに向かってあなたをポイントし、その後、いくつかのでしょう。

http://code.google.com/p/feedparser/

Answer 2

#-*-coding:utf8;-*- 
#qpy:3 
#qpy:console 

import urllib.request 
from xml.dom import minidom 


def parse_feed(url): 
    # This is what parse_feed returns. 
    feed = type('Feed', (object,), {}) 
    feed.entries = [] 

    with urllib.request.urlopen(url) as res: 
     dom = minidom.parseString(res.read().decode('latin-1')) 
     feed.title = dom.getElementsByTagName('title')[0].firstChild.nodeValue 
     feed.link = dom.getElementsByTagName('link')[0].getAttribute('href') 
     feed.published = dom.getElementsByTagName('published')[0].firstChild.nodeValue 

    for element in dom.getElementsByTagName('entry'): 
     title = element.getElementsByTagName('title')[0].firstChild.nodeValue 
     link = element.getElementsByTagName('link')[0].getAttribute('href') 
     author = element.getElementsByTagName('name')[0].firstChild.nodeValue 
     published = element.getElementsByTagName('published')[0].firstChild.nodeValue 
     updated = element.getElementsByTagName('updated')[0].firstChild.nodeValue 
     _id = element.getElementsByTagName('id')[0].firstChild.nodeValue 
     category = element.getElementsByTagName('category') 

     tags = [] 
     for node in category: 
      tags.append(node.getAttribute('term')) 

     article = element.getElementsByTagName('content')[0].firstChild.nodeValue 

     entry_dict = dict(
        title=title, 
        link=link, 
        author=author, 
        article=article, 
        tags=tags, 
        _id=_id) 

     feed.entries.append(type('Entry', (feed,), entry_dict)) 

    return feed 


# Example use. 
feed_url = 'https://rickys-python-notes.blogspot.com/atom.xml?redirect=false&start-index=1&max-results=1000' 
feed = parse_feed(feed_url) 
print(feed.title) 
print(feed.updated) 
for entry in feed.entries: 
    print(entry.title) 
    print(entry.link)