Javascript 从网页中提取提要

我正在寻找一个代码片段（语言在这里并不重要），它将 提取与此页面关联的所有提要（RSS、atom等）

因此，输入是

URL

，输出是

频道列表

重要的是完整性，这意味着页面是否关联了某些信息通道 应该找到它

我最好是问在HTML代码中可以找到什么，在哪里可以找到完整性

---

谢谢

您可以在html文件的

head

标记中找到提要。在那里，它们应该被指定为

link

标记，并带有相关的内容类型和指定其位置的href属性

要使用python从页面中提取所有提要URL，可以使用以下方法：

import urllib
from HTMLParser import HTMLParser

class FeedParser(HTMLParser):

    def __init__(self, *args, **kwargs):
        self.feeds = set()
        HTMLParser.__init__(self, *args, **kwargs)

    def handle_starttag(self, tag, attrs): 
        if tag == 'link':
            try:
                href = [attr[1] for attr in attrs if attr[0] == 'href'][0]
            except IndexError:
                return None         
            else:
                if ('type', 'application/atom+xml') in attrs or ('type', 'application/rss+xml') in attrs:
                    self.feeds.add(href)    


def get_all_feeds_from_url(url):
    f = urllib.urlopen(url)
    contents = f.read()
    f.close()

    parser = FeedParser()
    parser.feed(contents)
    parser.close()

    return list(parser.feeds)

---

如果您想涵盖将提要添加到html页面的所有奇怪方式，则必须对这段代码进行大量扩展。

谢谢您提供的代码片段，但许多页面不使用标准位置，可能会使用奇怪的方式。例如，查看网页。你能找出什么“古怪的方式”经常被使用吗？对不起，他们列出RSS提要的方式非常不标准。以编程方式查找它们的唯一方法是对它们的整个网页进行爬网（即浏览它们的所有超链接并检查：如果RSS提要：添加到集合，如果html：检查所有超链接并重复），我是否可以检查链接是否真的是一个频道？（atom或RSS或其他内容）