Really Simple Syndication(RSS)與 Atom 這兩套標準,為各種不同用途的項目提供了 XML 結構。它們最常見的應用,就是作為一種資料分發格式,讓部落格與新聞網站能把內容更容易地推送出去。
RSS 與 Atom 的摘要(feed)通常只承載相對少量的資訊,因此下載起來又快又輕,能大幅降低 Web 伺服器的負擔——使用者不必每次都載入一個塞滿雜項資訊的完整網頁。除此之外,這些檔案還包含更細緻的排序資訊,例如作者、標題、主題與標記等,這些中繼資料有助於辨識與整理摘要中的內容。
清單 1 是一份 RSS 摘要的樣本,內容摘自作者的部落格。
清單 1. RSS 摘要樣本
<?xml version="1.0" encoding="UTF-8"?>
<!-- generator="Wordpress/2.0.4" -->
<rss version="2.0"
xmlns:content="https://purl.org/rss/1.0/modules/content/"
xmlns:wfw="https://wellformedweb.org/CommentAPI/"
xmlns:dc="https://purl.org/dc/elements/1.1/"
>
<channel>
<title>MCslp</title>
<link>https://mcslp.com</link>
<description>News from the desk of Martin MC Brown</description>
<pubDate>Wed, 07 Nov 2007 23:25:53 +0000</pubDate>
<generator>https://wordpress.org/?v=2.0.4</generator>
<language>en</language>
<item>
<title>System Administration Toolkit: Testing system validity</title>
<link>https://mcslp.com/?p=269</link>
<comments>https://mcslp.com/?p=269#comments</comments>
<pubDate>Wed, 07 Nov 2007 23:25:48 +0000</pubDate>
<dc:creator>Martin MC Brown</dc:creator>
<category>Articles</category>
<category>IBM developerWorks</category>
<category>Open Source</category>
<category>System Administration</category>
<guid isPermaLink="false">https://mcslp.com/?p=269</guid>
<description><![CDATA[Have you ever wondered whether the system you are using is the same as the one you originally configured? ...]]></description>
<content:encoded><![CDATA[...]]></content:encoded>
<wfw:commentRSS>https://mcslp.com/?feed=rss2&p=269</wfw:commentRSS>
</item>
...
</rss>
清單 2 則是同一份資訊的 Atom 格式。
清單 2. Atom 樣本
<?xml version="1.0" encoding="UTF-8"?>
<feed version="0.3" xmlns="https://purl.org/atom/ns#"
xmlns:dc="https://purl.org/dc/elements/1.1/" xml:lang="en">
<title>MCslp</title>
<link rel="alternate" type="text/html" href="https://mcslp.com"/>
<tagline>News from the desk of Martin MC Brown</tagline>
<modified>2007-11-07T23:25:53Z</modified>
<copyright>Copyright 2007</copyright>
<generator url="https://wordpress.org/" version="2.0.4">WordPress</generator>
<entry>
<author><name>Martin MC Brown</name></author>
<title type="text/html" mode="escaped"><![CDATA[System Administration Toolkit: Testing system validity]]></title>
<link rel="alternate" type="text/html" href="https://mcslp.com/?p=269"/>
<id>https://mcslp.com/?p=269</id>
<modified>2007-11-07T23:25:48Z</modified>
<issued>2007-11-07T23:25:48Z</issued>
<dc:subject>Articles</dc:subject>
<dc:subject>IBM developerWorks</dc:subject>
<summary type="text/plain" mode="escaped"><![CDATA[...]]></summary>
<content type="text/html" mode="escaped" xml:base="https://mcslp.com/?p=269"><![CDATA[...]]></content>
</entry>
</feed>
表 1 彙整了能從 RSS 與 Atom 檔案中擷取的資訊,並列出每類資訊對應的 XML 標記。稍後在解析與處理這些結構各異的檔案時,這張對照表會非常有用。
表 1. 可從 RSS 與 Atom 檔案中擷取的資訊
・提要根源:RSS 為「channel」,Atom 為「feed」
・標題:RSS 為「title」,Atom 為「title」
・鏈接:RSS 為「link」,Atom 為「link」
・單篇文章:RSS 為「item」,Atom 為「entry」
・作者:RSS 為「dc:creator」,Atom 為「author」
・發布/修改日期:RSS 為「pubDate」,Atom 為「modified / issued」
・分類:RSS 為「category」,Atom 為「dc:subject」
・摘要:RSS 為「description」,Atom 為「summary」
・完整內容:RSS 為「content:encoded」,Atom 為「content」
一般來說,我們可以解析組成摘要的 XML 檔案內容,再以合適的格式輸出這些資訊。
在看 XQuery 的解法之前,先來理解傳統方案在解析 RSS/Atom 檔案、生成輸出時面臨的挑戰。本節的目標,是示範如何把 RSS 與 Atom 摘要轉換成 HTML。
處理 RSS 或 Atom 摘要的傳統做法,是透過 Perl、PHP 或 Java 這類程式語言,解析整份 XML 內容,然後動態輸出,或轉存為靜態 HTML 檔來顯示。
清單 3 是一個 Perl 處理器的範例。這支腳本使用 XML::FeedPP 模組,替我們處理了許多繁瑣細節——它會下載並解析 XML,把資訊以可迭代的物件形式回傳,讓我們能輸出每個項目的標題與連結網址。
清單 3. 使用 XML::FeedPP 的 Perl 解析器
use XML::FeedPP;
my $source = 'https://planet.mcslp.com/wp-rss2.php';
my $feed = XML::FeedPP->new( $source );
foreach my $item ($feed->get_item()) {
my ($title,$link) = ($item->title(), $item->link());
print "<div>RSS item <b>$title</b> is located at <b>$link</b></div>\n";
}
執行這支腳本,就能得到類似清單 4 的輸出。這份輸出是 HTML 格式;當然,程式語言方案的一大好處,是可以把資訊一併寫入資料庫。
清單 4. Perl RSS 解析器的輸出片段
<html>
<body>
<b>All the news that's fit to print</b>
<hr/>
<div>RSS item <b>Six months with two Skype phones</b> is located at <b>https://feeds.computerworld.com/...</b></div>
<div>RSS item <b>What to do with the old computing bits and pieces</b> is located at <b>...</b></div>
...
</body>
</html>
不過,程式化方案有個問題:處理 XML 本身就是相對複雜的過程,而不同的語言與實作,對 XML 資訊的處理能力也參差不齊。最棘手的情況往往是——標記與程式邏輯常常混在同一個檔案裡,讓實際維護變得相當繁瑣。想調整輸出的樣式與版面時尤其痛苦,因為這通常意味著得大幅改動程式邏輯。
另一個替代方案是使用 XSLT 樣式表,把資訊動態轉換成 HTML。清單 5 展示的 XSLT,能產生與 Perl 腳本大致相同的輸出。
清單 5. 使用 XSLT 樣式表
<?xml version="1.0" encoding="utf-8" ?>
<xsl:stylesheet version="1.0"
xmlns:xsl="https://www.w3.org/1999/XSL/Transform">
<xsl:output method="xml" />
<xsl:template match="rss/channel">
<html><body>
<xsl:apply-templates select="item" />
</body></html>
</xsl:template>
<xsl:template match="item">
<div>RSS item <b><xsl:value-of select="title"/></b> is located at <b><xsl:value-of select="link"/></b></div>
</xsl:template>
</xsl:stylesheet>
XSLT 的主要優點,是能把「處理」與「格式」的程式邏輯一起寫進同一份檔案,讓人清楚看見文件結構,甚至加上解析個別元件的 XSL 語句。缺點則是:當輸入 XML 與輸出結構都變得複雜時,處理也會跟著棘手起來。雖然 XSLT 支援迴圈等基本程式概念,甚至具備部分較進階的資料處理能力,但與完整的程式語言相比,它的表達力其實相當有限,處理龐大檔案時也可能明顯變慢。實作過的人都知道,要寫出一份能同時兼容所有 RSS 與 Atom 元素的 XSL 轉換並不容易,理解它的輸出往往更令人頭痛。
XQuery 的迷人之處,在於它把 XPath 提取單一元素的靈活性,與「易於定義函式、迴圈與可程式化元素」的能力結合在一起。這種組合,讓 XPath 的簡潔路徑處理升級為一種在處理過程中讀取、操作資訊的更靈活方式。與 XSLT 不同,XQuery 提供了開發者更熟悉的程式環境與執行模型,並具備強大的排序能力,讓資訊處理變得輕鬆許多,不必動輒搬出完整的程式語言方案。
我們先從一個最簡單、等同於前面範例的例子開始——它會把 RSS 摘要中的資訊輸出成一份基本的 HTML 檔(清單 6)。
清單 6. 簡單的 XQuery RSS 解析器
declare function local:rss-row ($link, $title) {
<div>RSS item <b>{$title}</b> is located at <b>{$link}</b></div>
};
declare function local:rss-summary ($url) {
for $b in doc($url)/rss/channel/item
return local:rss-row($b/link/text(), $b/title/text())
};
<html>
<body>
<b>All the news that's fit to print</b>
<hr/>
{local:rss-summary("planet.rss2.xml")}
</body>
</html>
這段查詢可以這樣理解:
主要部分位於 <html> 標記之中,其中呼叫了 local:rss-summary 函式,並把 RSS 摘要來源(此處是本地檔案,當然也可以是 URL)傳入。
先前提到的 rss-summary 函式,藉由 XPath 規範,用一個 for 迴圈逐一走訪每個 item。
針對每個 item,會呼叫 local:rss-row 函式,把提供的連結與標題文字插入一段 HTML 片段中。
我們可以用 GNU Qexo 函式庫來執行這段查詢,它提供了 XQuery 元件:java -jar kawa-1.9.1.jar --xquery --main simplerss.xql。
輸出的結果與前面看到的範例基本相同。既然如此,我們不妨再往前一步,對這個基礎範例做點擴充。
替輸出的新聞項目排序,是最簡單的起手式之一。用傳統方案時,排序往往相當棘手(雖然並非不可能);但 XQuery 支援多種資料型別,讓你能對來源 XML 中的各種資料排序。以新聞摘要為例,最典型的模型就是依日期排序,讓讀者能按時間順序瀏覽條目。
要加上排序,只需在 rss-summary 函式的 FLWOR(for、let、where、order by、return)表達式中多寫一行,如清單 7 所示。
清單 7. 加入排序
declare function local:rss-summary ($url) {
for $b in doc($url)/rss/channel/item
order by $b/pubDate
return local:rss-row($b/link/text(), $b/title/text())
};
XQuery 认得 RSS 與 Atom 檔案中日期的寫法,因此能自動排序。若想改成降序(也就是最新的項目排最前面),只要把 descending 參數加進 order by 表達式即可(清單 8)。
清單 8. 加入 descending 參數
declare function local:rss-summary ($url) {
for $b in doc($url)/rss/channel/item
order by $b/pubDate descending
return local:rss-row($b/link/text(), $b/title/text())
};
在上述兩個依日期排序的範例裡,都是透過 XPath 表達式,選取單一標記(此處為 RSS 摘要中的一個 item)的內容作為排序依據。在把「以 HTML 輸出單一 RSS 摘要」的基礎系統準備好之後,接下來就該處理多個摘要了。
在最初的腳本中,要處理哪一份摘要,是由 rss-summary 函式的呼叫(例如 {local:rss-summary("planet.rss2.xml")})來決定。要加入更多摘要,只要多呼叫幾次這個函式即可。事實上,planet.mcslp.com 就是把許多不同的摘要合併成一份更易於閱讀的部落格與摘要。我們也能用 XQuery 複製這個做法,把多份摘要聚合起來。
此外,合併摘要時,你可能想為每篇文章標註來源,方便辨識它出自哪一份摘要。清單 9 展示了一份修改後的輸出,其中包含來自兩份摘要的資訊。
清單 9. 顯示多個 RSS 摘要(multirss.xql)
declare function local:rss-row ($doctitle, $link, $title) {
<li><a href="{$link}">{$doctitle}: {$title}</a></li>
};
declare function local:rss-summary ($url) {
let $feeddoc := doc($url)
for $b in $feeddoc/rss/channel/item
order by $b/pubDate descending
return local:rss-row($feeddoc/rss/channel/title/text(), $b/link/text(), $b/title/text())
};
<html>
<body>
<b>All the news that's fit to print</b>
<hr/>
<ul>
{local:rss-summary("https://coalface.mcslp.com/wp-rss2.php")}
{local:rss-summary("https://www.mcslp.com/wp-rss2.php")}
</ul>
</body>
</html>
圖 1 呈現了這個過程的最終 HTML 輸出。
圖 1. 多個 RSS 摘要

圖片看不清楚?請點擊這裡查看原圖(大圖)。
不過,連續對兩份文件呼叫 rss-summary 函式有個缺點:資訊並不會真正「合併」,只能把兩份摘要的內容各自依序輸出。要真正做到合併,最簡單的辦法是先建立一份中間 XML 文件,再用 XQuery 重新解析它、過濾出各筆資訊。清單 10 就是這樣一個例子。
清單 10. 以中間文件合併多份摘要(multirss2.xql)
declare function local:buildmergerow ($doctitle, $item) {
<item>
<doctitle>{$doctitle}</doctitle>
<title>{$item/title/text()}</title>
<link>{$item/link/text()}</link>
<pubdate>{$item/pubDate/text()}</pubdate>
</item>
};
declare function local:rss-row ($item) {
<li><a href="{$item/link/text()}">{$item/doctitle/text()}: {$item/title/text()}</a></li>
};
declare function local:rss-summary ($url) {
let $feeddoc := doc($url)
for $b in $feeddoc/rss/channel/item
return local:buildmergerow($feeddoc/rss/channel/title/text(), $b)
};
<html>
<body>
<b>All the news that's fit to print</b>
<hr/>
<ul>
{
let $feedlist := ("https://coalface.mcslp.com/wp-rss2.php",
"https://www.mcslp.com/wp-rss2.php")
let $merged := for $url in $feedlist return local:rss-summary($url)
return for $item in $merged
order by $item/pubdate descending
return local:rss-row($item)
}
</ul>
</body>
</html>
清單 10 的運作比前面稍複雜,但依然直觀。它可以拆成四個部分——三個函式與主執行區塊,各司其職:
・buildmergerow():接收摘要標題與單一項目,為每個項目建立一個中間 XML 結構,包含摘要標題、文章標題、連結與發布日期。
・rss-summary():運作方式與先前類似,逐一處理單份摘要中的項目,但改為對每個項目呼叫 buildmergerow()。
・rss-row():把近似 RSS XML 格式的項目格式化為 HTML 清單項目。
・主區塊:提供一份摘要清單。它會走訪清單、處理每份摘要,把結果放進 $merged 變數。由於整個 for 迴圈的輸出被指定給變數,結果就是所有摘要的「近似 RSS 項目」都被放進了同一個變數;跑完之後,$merged 便包含了來自所有 RSS 摘要的全部項目。
接著,最後一個 for 迴圈會在這份合併清單上迭代,依日期排序,再用 rss-row() 格式化。因為所有摘要的項目都已彙整進單一 $merged 清單,就能用同一個依據(此處為日期)對全部項目排序,產生出按時間倒序排列的、真正合併後的清單。
過程的結果可見圖 2。
圖 2. 合併後的 RSS 摘要

圖片看不清楚?請點擊這裡查看原圖(大圖)。
前面合併多份 RSS 摘要的例子,其實已經點出了處理不同摘要類型的思路。同樣的「中間處理」技巧,也能把 RSS 與 Atom 摘要先解析成統一的中間 XML 格式,再對這份中間文件做處理,生成你要的資訊。
在這個實例中,有兩個小難題得先克服。第一,Atom 在來源 XML 中使用了名稱空間,因此必須先宣告 Atom 名稱空間,才能正確提取資訊。第二,得先判斷手上的文件屬於哪一種類型——雖然通常從摘要或檔案名稱就能看出端倪,但你也可以用 XQuery 的 if 敘述去尋找特定標記,再呼叫對應的解析函式。清單 11 就是這段判斷邏輯的範例。
清單 11. 用 if 敘述判斷摘要類型
if (count($feeddoc/atom:feed/atom:entry) > 0)
then local:parse-atom($feeddoc)
else local:parse-rss($feeddoc)
清單 12 是完整的程式。它在先前的方案上做了修改:不再只有一個建構中間文件的函式,而是分成處理 Atom 與 RSS 兩套函式。與先前類似,現在有各自處理兩種摘要的函式(因為兩者的 XPath 路徑不同),以及各自建構中間 XML 文件的對應函式。
清單 12. 合併不同類型的摘要(multifeed.xql)
declare namespace atom = "https://purl.org/atom/ns#";
declare function local:atombuildmergerow ($doctitle, $item) {
<item>
<doctitle>{$doctitle}</doctitle>
<title>{$item/atom:title/text()}</title>
<link>{$item/atom:id/text()}</link>
<pubdate>{$item/atom:modified/text()}</pubdate>
</item>
};
declare function local:rssbuildmergerow ($doctitle, $item) {
<item>
<doctitle>{$doctitle}</doctitle>
<title>{$item/title/text()}</title>
<link>{$item/link/text()}</link>
<pubdate>{$item/pubDate/text()}</pubdate>
</item>
};
declare function local:rss-row ($item) {
<li><a href="{$item/link/text()}">{$item/doctitle/text()}: {$item/title/text()}</a></li>
};
declare function local:parse-rss($feeddoc) {
for $b in $feeddoc/rss/channel/item
return local:rssbuildmergerow($feeddoc/rss/channel/title/text(), $b)
};
declare function local:parse-atom($feeddoc) {
for $b in $feeddoc/atom:feed/atom:entry
return local:atombuildmergerow($feeddoc/atom:feed/atom:title/text(), $b)
};
<html>
<body>
<b>All the news that's fit to print</b>
<hr/>
<ul>
{
let $feedlist := ("coalface.rss2.xml", "mcslp.atom.xml")
let $merged := for $url in $feedlist
let $feeddoc := doc($url)
return if (count($feeddoc/atom:feed/atom:entry) > 0)
then local:parse-atom($feeddoc)
else local:parse-rss($feeddoc)
return for $item in $merged
order by $item/title
return local:rss-row($item)
}
</ul>
</body>
</html>
這裡,腳本使用了文件的本地副本以節省時間。如果想用不同的 XQuery 處理器(例如不具備內建 URL 存取方法的 Saxon,而非 Qexo 工具箱那樣開箱即用),可以這樣執行:java -cp /usr/share/saxon/lib/saxon8.jar net.sf.saxon.Query multifeed.xql。
圖 3 呈現了來自摘要的輸出,結果理應與圖 2 相同。差別不在最終成果,而在於這份資訊是同時從 Atom 與 RSS 兩種摘要彙整而來的。
圖 3. 合併後的 RSS 與 Atom 摘要

圖片看不清楚?請點擊這裡查看原圖(大圖)。
透過本文,你已掌握用 XQuery 處理 RSS 與 Atom 摘要的基礎——如何把一份摘要轉換成 HTML 文件。在此之上,還能打造更完善的方案:把多份摘要排序、合併,甚至同時處理不同類型與來源的摘要。
XQuery 提供了一種靈活的 XML 處理方式。有些人覺得它在語法上更易於遵循;而它那「能建立單一 XML 中間文件、再重新解析以處理不同來源與輸入格式」的彈性,恰好能化解處理 XML 檔案時常遇到的痛點。