python_feedparser_module

feedparser模块，
feedparser 号称是一个 universal feed parser，使用它我们可轻松地实现从任何 RSS 或 Atom 订阅源得到标题、链接和文章的条目了，这个号称并不是说的话，是因为这个模块真的很强大，解压打开后可以直接使用：
python setup.py install
安装使用，也可以使用：pip install feedparser来安装模块
关于RSS是什么，这个其实我也不清楚，查了资料以后才明白，RSS是RDF Site Summary 的缩写（RDF是Resource Description Framework的缩写 ），是指将网站摘要用xml语言描述。
如果跟一样都不懂RSS是什么的同学可以读一下这里，个人感觉总结的还是很详细的。
好了，不闲聊这些了，因为想知道是什么的话网上输入关键词，一查一大堆的资料就来了，下面看一下我的实践，使用feedparser模块来进行解析过滤页面，返回需要的信息：
下面是具体的实现：

#!usr/bin/env python  
#encoding:utf-8  



import feedparser  


def test(url='http://blog.csdn.net/together_cz/article'):  
    ''''' 
    学习使用feedparser 
    输入：url 
    输出：页面信息 
    '''  
    one_page_dict = feedparser.parse(url)  
    ''''' 
    解析得到的是一个字典 
    '''  
    print one_page_dict  
    ''''' 
    输出字典中的键值有哪些，一共有10中如下： 
    ['feed', 'status', 'version', 'encoding', 'bozo', 'headers', 'href', 'namespaces', 'entries', 'bozo_exception'] 
    '''  
    print one_page_dict.keys()  
    print '----------------------------------------------------------'  
    print '访问页面链接href为：'  
    print one_page_dict['href']  
    print '页面返回headers信息为：'  
    print one_page_dict['headers']  
    print '页面version信息为：'  
    print one_page_dict['version']  
    print '页面状态码为：'  
    print one_page_dict['status']  
    print '页面语言类型为：'  
    print one_page_dict['feed']['html']['lang']  
    print '页面meta信息为：'  
    print one_page_dict['feed']['meta']['content']  
    print one_page_dict['feed']['meta']['name']  



if __name__ == '__main__':  
    url_list=['http://www.baidu.com','http://www.vmall.com','http://www.taobao.com']  
    for one_url in url_list:  
        print '当前url为--->', one_url  
        try:  
            test(one_url)  
        except:  
            print '***************************************************************'  
        print '----------------------------------------------------------'