HTMLからRSSを自動生成＠(旧)政治家女子48党の公式ホームページ

RSSはコンテンツ内に書いてた。https://t.co/GuZKsYVGjF
最新ニュースのお知らせはRSSが便利でしょう。#みんつく
RSSリーダーはThunderbirdというメーラー。
もうすぐスマホでもThunderbirdは使えるようになるらしい。https://t.co/kqv0irykmE pic.twitter.com/ArHOL02XrW

— 乖離（*´∀｀）🍑😊🐻😾☔🎵🍢🌸💯🗽🇯🇵🗻🏝️🌲🏡🆓🎮🚗🚴💨 (@kai_ri_0001) November 10, 2023

-----------------下記は過去の記事の内容 ----------------
こちらが２０２３年７月１４日現在の政治家女子48党の公式ホームページです。
https://www.meta-sect.org
ソースをみるとfeedのURLが書かれてある。
https://www.meta-sect.org/feed/

-----------------下記は2023/07/10 17:35の内容 ----------------

PHPプログラム。コピーは枠の中でCtrl+aで全部選んで、Ctrl+cでコピー、Ctrl+vで貼付けでください。
使い方はWebサーバーの管理人に確認してください。利用者のヘルプに書いてあるかも。
<?php function url2domx($newsUrl) { ob_start(NULL, 0, PHP_OUTPUT_HANDLER_REMOVABLE); $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, $newsUrl); curl_setopt($ch, CURLOPT_HEADER, false); curl_setopt($ch, CURLOPT_HTTPHEADER, [ 'User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64; rv:109.0) Gecko/20100101 Firefox/115.0', 'Accept: text/html', 'Accept-Language: ja,en-US;q=0.7,en;q=0.3', 'Accept-Encoding:', // なにも要求しなければ圧縮しないテキストのHTMLを返す。 'Cache-Control: no-cache' ]); curl_exec($ch); curl_close($ch); $target_html = ob_get_contents(); // ＝標準出力 ob_end_clean(); $target_html = mb_convert_encoding($target_html, 'HTML-ENTITIES', 'auto'); //　これより、HTMLのタグを要素と呼ぶ。 $dom = new DOMDocument; $dom->formatOutput = true; libxml_use_internal_errors(true); // true = PHP Warning表示をやめる。 $dom->loadHTML($target_html); $domx = new DOMXPath($dom); return $domx; } $newsUrl = 'https://www.meta-sect.org/news/'; $domxpath = url2domx($newsUrl); $tagName = 'div'; // RSS 2.0のchannelタグに相当する要素 $attrName = 'id'; $attrValue = 'list'; $filtered = $domxpath->query("//$tagName" . '[@' . $attrName . "='$attrValue']"); $rss_channel_title= $domxpath->query('/html/head/title')->item(0)->nodeValue; echo <<< RSS_1_______________________________________________ <?xml version="1.0" encoding="UTF-8" standalone="yes"?> <rss version="2.0"> <channel> <language>ja</language> <copyright>© 2023 政治家女子48党公式ホームページ</copyright> <title>$rss_channel_title</title> <link>$newsUrl</link> RSS_1_______________________________________________;// 上の行は改行を置く。 $nodeDiv = $filtered->item(0); if ($nodeDiv->hasChildNodes()) { // RSS 2.0のitemタグに相当する要素があるか？ foreach ($nodeDiv->childNodes as $node) { if ($node->nodeType == XML_ELEMENT_NODE) { // 改行や空白も子ノードなので要素だけ見たい $rss_title = $node->getAttribute('title'); $rss_link = $node->getAttribute('href'); //　HTML内の日付は正確ではないため、$rss_link先のarticle:modified_timeを用いる。 // /head/meta property="article:modified_time" content="2023-07-01T09:11:18+09:00" // $rss_pubDate= $domxpath->query('.//span[@class="entry-date"]',$node)->item(0)->nodeValue; $domx2 = url2domx($rss_link); $rss_pubDate= $domx2->query('//meta[@property="article:modified_time"]/@content')->item(0)->nodeValue; //classにcard-snippetが含まれてあるdivタグを見つける。.//のピリオドは$node内という意味。 $rss_description = $domxpath->query('.//div[contains(@class, "card-snippet")]',$node)->item(0)->nodeValue; $rss_description = str_replace(PHP_EOL,'', $rss_description);// 改行を消す $rss_description = ltrim($rss_description);// 先頭の半角スペースを消す $rss_description = rtrim($rss_description);// 後方の半角スペースを消す echo <<< RSS_2_______________________________________________ <item> <title>$rss_title</title> <link>$rss_link</link> <pubDate>$rss_pubDate</pubDate> <description>$rss_description</description> </item> RSS_2_______________________________________________;//上の行は改行を置く。 //echo $node->nodeValue . '<br>'; // for debug } } } echo <<< RSS_3_______________________________________________ </channel> </rss> RSS_3_______________________________________________; ?>
■感想、参考URL

もっとBing先生に聞いておけば、コーディング量が減ったかもしれない。

//span[@class='regular_price'] というクエリに該当するノードが複数ある場合、先頭と２番目のノードの値を取り出したい場合はどのように記述すれば良いですか？ pic.twitter.com/CZqFD43FNs

— 乖離（*´∀｀）🍑😊🐻😾☔🎵🍢🌸💯🗽🇯🇵🗻🏝️🌲🏡🆓🎮🚗🚴💨 (@kai_ri_0001) July 10, 2023

https://www.php.net/manual/ja/domdocument.getelementsbytagname.php
https://learn.microsoft.com/ja-jp/previous-versions/ms256086(v=vs.120)?redirectedfrom=MSDN
https://developer.mozilla.org/ja/docs/Web/XPath