原本打算自己動手寫一個 PHP 的 RSS 解析器,試過 MagpieRSS 之後覺得夠用,就改變主意了。順手翻了翻它的原始碼,記錄幾點心得。
早期的 MagpieRSS 經常出現亂碼,這個問題在 0.7 版獲得解決。該版本的更新說明寫得很清楚:支援輸入與輸出的字元編碼設定,並在 FoF 的基礎上,視環境使用 iconv 或 mbstring 完成轉換。
0.7 之後的版本可以指定輸入、輸出的編碼,再交由 iconv 或 mbstring 進行轉換。這段邏輯寫在 create_parser 函式裡。如果伺服器上兩個函式都不存在,可以在 RSS_fetch.inc 中把 MAGPIE_DETECT_ENCODING 設為 false,關閉編碼偵測與轉換,否則就會出錯。
一切正常的情況下,只要把 RSS_fetch.inc 裡的 MAGPIE_OUTPUT_ENCODING 定義成你需要的輸出編碼即可,例如:
define('MAGPIE_OUTPUT_ENCODING', 'UTF-8');
MagpieRSS 以 Snoopy 作為 HTTP 客戶端來抓取 RSS。這個函式庫相當完整,支援 https,也支援 gzip。
這裡有個容易踩到的細節:Snoopy 是用 exec 呼叫外部的 curl 指令並接收其輸出,而不是使用編譯進 PHP 的 curl 函式。預設路徑是 /usr/bin/curl,如果該路徑沒有 curl,或執行權限不足,就會失敗。所幸只有 https 才需要 curl,一般的 http 請求走的是 fsockopen。
另外,Snoopy 本身支援代理伺服器,但 MagpieRSS 沒有啟用。若需要,可以在 RSS_fetch.inc 的 _fetch_remote_file 函式中補上 $client->proxy_host 與 $client->proxy_port。
MagpieRSS 內建一層快取,預設逾時 3600 秒。./cache 目錄下會產生一堆檔案,檔名是「URL 的 md5 值 + 輸出編碼」,內容格式則是 PHP 的 serialize 字串。
因此 cache 目錄必須可寫。逾時秒數設定在 RSS_cache.inc 的 var $MAX_AGE = 3600;,也可以在建立 cache 物件時另行指定。
整體來說這是個素質不錯的函式庫:優點多、對各種主機環境都有考量、相容性佳,函式式的介面也很好呼叫。
不過我認為還可以再往前一步:先用 HEAD 請求取得 RSS 的 HTTP 標頭,依 ETag 判斷內容是否有變動,再決定要不要抓整份回來。這樣能省下不少頻寬與時間,快取也能保存得更久,而不必死守固定的 3600 秒。此外我希望能把文章長期保存下來,這就需要搭配資料庫了。
後續我大概會在此基礎上發布一個新版本,把想要的功能補進去。