Kijken of het een FEED is
ik ben al een tijdje bezig met het het maken van een script waarbij ik kan kijken of een bestand een xml-feed is of niet.
Eerst probeerde ik te kijken naar de content-type van een bestand, of die text/xml, application/rss+xml, application/rdf+xml of application/atom+xm is. Dit lukte opzich wel, totdat ik erachter kwam dat de feed van wikipedia text/html is. Als ik text/html toe zou staan, dan zouden alle htmlpagina's ook een "xml-feed" zijn.
Dus nu probeer ik het zo:
Code (php)
Dit is lelijke code, én het werkt niet goed. Namelijk, de feed van wikipedia is "niet goedgekeurd":
http://zjapske.no-ip.org/hoppelblog/validateAjax.php?url=http://en.wikipedia.org/w/index.php?title=Special:RecentChanges&feed=atom
De feed van phphulp weer wel:
http://zjapske.no-ip.org/hoppelblog/validateAjax.php?url=http://www.phphulp.nl/feeds/php_forum.php
En een gewoon php-bestand is ook "goedgekeurd":
http://zjapske.no-ip.org/hoppelblog/validateAjax.php?url=http://blog.netvibes.com/
Weet iemand een betere manier om te controleren of een bestand een xml-bestand is?
Gewijzigd op 01/01/1970 01:00:00 door Harmen
Code (php)
1
<?xml version="1.0" ?>
Daarna kun je kijken of het een valid xml bestand is door te kijken of alle items worden afgesloten en in de correcte volgorde.
RSS kun je checken of de RSS tag na de xml tag komt.
Verder specifeert RSS aardig wat vaste tags waar je ook altijd nog op kan checken, bekijk de specificatie anders Hier
http://zjapske.no-ip.org/hoppelblog/validateAjax.php?url=http%3A%2F%2Fen.wikipedia.org%2Fw%2Findex.php%3Ftitle%3DSpecial%3ARecentChanges%26feed%3Datom
Waarschijnlijk zie je het al, maar de URL die je meegeeft moet nog ge-urlencode() worden ;)
Anders ziet PHP 'validateAjax.php?url=http://en.wikipedia.org/w/index.php?title=Special:RecentChanges&feed=atom' zo:
Code (php)
1
2
2
$_GET['url'] = "http://en.wikipedia.org/w/index.php?title=Special:RecentChanges";
$_GET['feed'] = "atom";
$_GET['feed'] = "atom";
En dat werkt dus niet.
- edit -
Zoals je zelf ook al zegt, xml != feed, dan kun je dus (zoals degene voor mij zegt) kijken naar feed-specifieke tags, zoals
Code (php)
1
2
2
<?xml version="1.0"?>
<rss version="2.0">
<rss version="2.0">
Gewijzigd op 01/01/1970 01:00:00 door Douwe
Wel een goed idee... maar volgens mij nog wel lastig. In elk soort bestand kan <item> staan zeg maar.
Ik doe het denk ik toch met het kijken naar de content-type. Een zichzelfrespecterende feed heeft normaal gesproken niet een content-type van text/html.
Edit:
woops, niet op vernieuwen geklikt.. eerst eensch die 2 latere berichten lezen
woops, niet op vernieuwen geklikt.. eerst eensch die 2 latere berichten lezen
@Riemer
Ik kan idd op
Code (php)
1
<?xml version="1.0" ?>
@Douwe M
Je hebt gelijk, maar nog steeds zegtie dat een php-bestand een xml-bestand is.
LAATSTE EDIT:
Kan ik er vanuit gaan dat elke RSS-feed een <rss /> tag heeft? Naast de "gewone RSS" heb je ook nog ATOM, RDF etc., en die hebben een andere structuur
Gewijzigd op 01/01/1970 01:00:00 door Harmen
de <rss /> is, zover dat ik weet, geen standaard van de specificatie.
Voor een voorbeeld bestandje volgens de 2.0 spec Klik hier
http://en.wikipedia.org/w/index.php?title=Special:RecentChanges&feed=atom
Die heeft niet een <rss /> maar een <feed />... En er zijn nog wel meerdere verschillen in feeds.
Misschien dat ik je eerst wat verkeerd heb begrepen, maar om wat duidelijkheid te krijgen: welke feeds wil je allemaal zien als valid volgens je script? zoek dan die specificaties op en kijk naar tags waarop je kan checken.
Of je kan het wat losser doen en misschien simpel weg kijken of het een xml bestand is, dit is volledig jouw keuze.
Hartelijk dank. En misschien voor de volgende die een regular expression moet voor dit "probleem":
$pattern = "@\<\?xml[[:space:]].*[[:space:]]\?\>@i";
Code (php)
1
2
3
4
5
2
3
4
5
<?xml version="1.0" encoding="ISO-8859-1"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">
...
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN"
"http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml" xml:lang="en" lang="en">
...
Volgens mij moet ik nog maar een regexp maken.
Gewijzigd op 01/01/1970 01:00:00 door Harmen