如何从从Google Reader导出的OPML文件中提取提要urls？

Question

我正在尝试使用一款名为Rss-Aware的软件。它基本上是一个桌面提要检查器，可以检查RSS提要是否更新，并通过Ubuntu的Notify-OSD系统发出通知。

但是，为了知道要检查哪些提要，您必须在~/.rss-aware/ between s.txt中的文本文件中逐个列出提要url，每个提要url之间有换行。类似于：

http://example.com/feed.xml
http://othersite.org/feed.xml
http://othergreatsite.net/rss.xml

...Seems很简单，对吧？嗯，我想使用的提要列表是从Google Reader导出为OPML文件(它是一种XML)的，我不知道如何解析它来输出提要urls。它看起来应该是非常直截了当的，但我被难住了。

如果有人能用Python或Ruby或其他我能在提示符下快速完成的实现，我会很高兴的。如果有bash脚本就太棒了。

非常感谢你的帮助，我是一个很弱的程序员，我很想学习如何做这个基本的解析。

编辑:还有，我试图从中提取提要urls的here is the OPML file。

Answer 1

为此，我编写了一个订阅列表解析器。它叫做listparser，它是用Python语言编写的。我刚刚测试了您的OPML文件，它似乎可以很好地解析该文件。它还将使您的提要的标签可用。

如果你曾经使用过feedparser，那么你应该对它的接口很熟悉：

>>> import listparser as lp
>>> d = lp.parse('https://dl.dropbox.com/u/670189/google-reader-subscriptions.xml')
>>> len(d.feeds)
112
>>> d.feeds[100].url
u'http://longreads.com/rss'
>>> d.feeds[100].tags
[u'reading']

可以使用类似于以下内容的脚本创建包含提要URL的文件：

import listparser as lp
d = lp.parse('https://dl.dropbox.com/u/670189/google-reader-subscriptions.xml')
f = open('/home/USERNAME/.rss-aware/rssfeeds.txt', 'w')
for i in d.feeds:
    f.write(i.url + '\n')
f.close()

只需用您的实际用户名替换USERNAME即可。完成了！

Answer 2

XML解析非常容易实现，对我来说效果很好。

from xml.etree import ElementTree
def extract_rss_urls_from_opml(filename):
    urls = []
    with open(filename, 'rt') as f:
        tree = ElementTree.parse(f)
    for node in tree.findall('.//outline'):
        url = node.attrib.get('xmlUrl')
        if url:
            urls.append(url)
    return urls
urls = extract_rss_urls_from_opml('your_file')

Answer 3

因为它是一个XML文件，所以可以使用XPath查询来提取urls。在XML文件中，看起来rss feed urls存储在xmlUrl属性中。XPath expression //@xmlUrl将选择该属性的所有值。

如果你想在你的网络浏览器中测试一下，你可以使用online XPath tester。如果想要在Python语言中执行这个XPath查询，可以使用this question explains how to use XPath in Python。此外，lxml文档中的a page on using XPath in lxml可能会有所帮助。