Python 使用feedparser检查RSS源中的新内容

我正在使用python构建一个应用程序，其功能类似于RSS聚合器。我正在使用feedparser库来实现这一点。然而，我正在努力让程序正确检测是否有新内容

我主要关注与新闻相关的提要。除了查看是否向提要中添加了新项目外，我还希望能够检测以前的文章是否已更新。有人知道我如何使用feedparser来实现这一点吗？记住，唯一的强制项元素是title或description？我愿意假设link元素也将始终存在

Feedparser与每个项目关联的“id”属性似乎只是指向文章的链接，因此这可能有助于检测提要上的新文章，但无法检测对以前文章的更新，因为这些文章的“id”不会更改

---

我已经看过了stackoverflow之前的文章，有些人建议对内容或标题+url进行散列，但我不确定这意味着什么，也不确定如何进行（如果确实是正确的方法）。

在这种情况下，散列意味着计算一个较短的值来表示url和标题的每个组合。当您使用哈希函数来确保冲突（两个不同的项生成相同的值）的几率较低时，这种方法就有效了

传统上，MD5在这方面一直是一个很好的函数（但请注意，不要将其用于加密操作-不推荐使用它）

比如说

>>> import hashlib
>>> url = "http://www.example.com/article/001"
>>> title = "The Article's Title"
>>> id = hashlib.md5(url + title).hexdigest()
>>> print id
785cbba05a2929a9f76a06d834140439
>>> 

这将提供一个id，如果URL或标题发生变化，该id将发生变化，这表明它是一篇新文章

如果还希望检测对文章内容的编辑，可以下载文章内容并将其添加到哈希中

---

请注意，如果您确实打算将整个页面向下拉，您可能希望了解

HTTP条件获取与Python的关系

，以节省带宽并对您访问的站点更友好一些。

非常好。谢谢你。我现在遇到的问题是，每次阅读相同的内容时，我都会得到不同的哈希值。我得到如下内容：

content=urllib.urlopen（items[0][“link”]）.read（）

，然后计算哈希值。如果我使用上述方法第二次读取相同的内容，我这次将得到一个不同的哈希值，因为内容应该是相同的，所以不应该出现这种情况。有没有关于如何防止这种情况的线索？可能有很多原因导致整个网页在不同的负载下会有所不同。例如，边栏中可能包含定期更新的新文章列表。它归结为“内容”的定义。您需要深入到页面的HTML，找到文章本身的正文，并将其用作您的内容。