danield.ro

Lucrand in acest an la lucrarea de licenta, am avut foarte mult de-a face cu feedurile RSS/Atom oferite de site-uri. In momentul in care trebuie sa parsezi un feed de acest gen, ai nevoie de anumite informatii, iar in specificatiile ambelor formate sunt definite anumite reguli ce trebuie respectate. Din pacate, foarte multe site-uri isi formateaza si ofera feedurile dupa reguli numai de ei stiute.

Read More…

Am stat astazi cateva ore, asta daca nu pun la socoteaza si orele pierdute in primavara la munca pe cand lucram la Boomr.ro, sa-mi dau seama de ce nu merge sa parsezi anumite feeduri XML (RSS si Atom) din PHP. Acum in sfarsit mi-am dat seama care era problema, dar chestia e ca nu o pot rezolva.

Concluzia: nu poti parsa feedurile generate de WordPress 2.1.3 (posibil si alte versiuni 2.1.*) din PHP. Dupa ce am facut upgrade la un WordPress pe care testam, totul a mers perfect.

Edit:

N-a mers nici cu Python, folosind urllib si minidom. E ciudat ca feedurile cu probleme in PHP cu fopen sau file sunt deschise in 10-15 secunde, dar daca folosesti un socket, trimiti un request  HTTP, iei pagina, totul e mai rapid (si pentru feeduirle fara probleme) singura problema fiind ca, cel putin eu nu reusesc, nu merge sa parsezi datele xml primite.

Am postat in urma cu cateva saptamani un mesaj in legatura cu faptul ca Prosport a lansat un nou site. Ma bucuram ca in sfarsit un site de sport actualizat destul de des are feed RSS. Ei, m-am inselat, la inceput au uitat sa puna titlul si descrierea pentru articole, apoi au facut ceva si toate te duceau catre pagina principala si nu spre articolul dorit. Acum, de 12 zile se pare ca s-a spart o teava pe undeva si stirile nu mai ajung si la RSS. Mai are rost sa spun ca site-ul arata urat si articolele sunt in asa fel aranjate in pagina incat nu-ti dai seama daca citesti ziarul de acum 2 saptamani sau ala de ieri. Pe langa asta, meciurile live apar acolo intr-un colt, scrise cu font mic, si trebuie sa stai 5 minute sa le gasesti (asta la prima vizita).

Am observat ca cei de la Prosport au lansat de cateva zile o noua versiune a site-ului, partea buna la prima vedere este ca au inclus si un feed RSS cu ultimele stiri. Din pacate aici se opresc lucrurile bune deoarece au cam dat-o in bara. Au uitat niste chestii destul de importante.

Nu uitati sa si deschideti tagurile de titlu si descriere, daca s-ar mai adauga si un titlu si o scurta descriere pentru articol, ar fi perfect.