一. 前言:先看有沒有更新,再決定要不要點進去 #
早上開電腦,先看幾個部落格,再看工具更新。 每個網站都點一次,結果只有兩個有新文章。 還沒開始讀,時間就先花在「確認有沒有東西可讀」上。
拍拍君今天想把這件事變簡單: 把不同網站提供的更新清單,整理成一份本機 Markdown。
成品大概長這樣:
# 我的訂閱閱讀清單
- [把照片縮小再寄出](<https://example.com/photos>) — 拍拍君筆記
- [整理下載資料夾](<https://example.com/files>) — 拍拍君筆記
- [試試新的筆記方法](<https://example.com/notes>) — 拍拍醬工具箱
這裡的「摘要」是訂閱項目的彙整,不是 AI 改寫文章。 我們只收標題、原文連結和來源;真正閱讀還是回原網站。 不需要模型、不需要帳號,也不需要架一個網站。
二. 先做出成果:下載練習包 #
下載完整練習包,解壓縮到一個新的資料夾。 裡面有三支 Python 程式和固定版本的需求檔:
rss-reading-practice/
├── make_samples.py
├── digest.py
├── fetch_feed.py
├── requirements.txt
└── README.md
先用我們自己產生的假訂閱練習。
example.com 是範例網址,不用連上它,也沒有文章可下載。
在解壓後的資料夾開終端機,建立環境:
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.txt
python make_samples.py
python digest.py
Windows 可以用 py -m venv .venv 建立環境;
PowerShell 的啟用指令是 .venv\Scripts\Activate.ps1。
若終端機不能啟用,也可以直接執行 .venv\Scripts\python.exe。
後面指令中的 python 都是這個虛擬環境裡的 Python。
這次使用 feedparser==6.0.14。
初次安裝需要網路,安裝完成後的範例執行不需要。
你會看到:
已建立 news.xml、tools.xml
已寫入 reading-list.md:3 篇
用 VS Code 的 Markdown 預覽開啟 reading-list.md,
就能看見文章開頭的清單。
你也可以用任何文字編輯器打開,不必另外安裝閱讀 App。
第一次先確認三件事:有三篇、重複標題只出現一次、每篇都有來源。 注意,真正判斷重複的是相同連結,不是標題文字。
三. RSS、Atom 是什麼?不用自己拆 XML #
RSS 可以想成網站提供給訂閱工具的「更新目錄」。 一個項目通常包含標題、連結,可能還有日期與簡介。 Atom 是另一種常見的訂閱格式,功能類似,結構不同。
網站若有 RSS、Feed、訂閱等連結,可以先點開看看。
你看到的可能是一整頁 XML,而不是漂亮的網頁;這很正常。
但不是所有網站都有訂閱,也不是首頁網址加上 /rss 就一定能用。
我們的第一個來源 news.xml 是 RSS:
<item>
<title>把照片縮小再寄出</title>
<link>https://example.com/photos</link>
<guid>https://example.com/photos</guid>
</item>
第二個 tools.xml 是 Atom,它的連結長得不同:
<entry>
<title>整理下載資料夾</title>
<id>https://example.com/files</id>
<updated>2026-11-21T00:00:00Z</updated>
<link href="https://example.com/files"/>
</entry>
上面兩段只是格式片段,不是完整檔案。
完整 XML 已由 make_samples.py 建立,包含必要的外層結構。
不用為兩種格式各寫一套字串切割。
feedparser 官方介紹
說明了 parse() 可以接受本機檔案、資料內容或 URL。
這裡傳入檔案的 bytes,讓下載與解析先分開練習。
建立 peek.py,看一下解析結果:
from pathlib import Path
import feedparser
parsed = feedparser.parse(Path('news.xml').read_bytes())
print(parsed.feed.get('title', '未命名來源'))
for entry in parsed.entries:
print(entry.get('title', '未命名文章'))
print(entry.get('link', '沒有連結'))
執行 python peek.py,會先看到「拍拍君筆記」,再看到兩篇文章。
把檔名換成 tools.xml,迴圈一樣能讀。
這就是套件替我們處理格式差異的地方。
四. 完整程式:把兩份訂閱合在一起 #
以下就是練習包的 digest.py,可以直接存檔使用。
所有檔案都以目前終端機所在資料夾為基準,執行前先切到練習目錄。
from html import escape
from pathlib import Path
from urllib.parse import urlsplit, quote
import feedparser
SOURCES = ['news.xml', 'tools.xml']
LIMIT = 10
def label(value):
text = ' '.join(str(value).split())
# Markdown 的連結標籤也要保護括號與特殊符號。
text = escape(text, quote=False)
for char in ('\\', '[', ']', '*', '_', '`'):
text = text.replace(char, '\\' + char)
return text
def collect(sources, limit):
if limit <= 0:
return []
seen = set()
rows = []
for filename in sources:
parsed = feedparser.parse(Path(filename).read_bytes())
if parsed.bozo:
raise ValueError(f'{filename} 不是完整可解析的訂閱檔')
source = parsed.feed.get('title', Path(filename).stem)
for entry in parsed.entries:
link = entry.get('link', '').strip()
parts = urlsplit(link)
if parts.scheme not in ('https', 'http') or not parts.netloc:
continue
if link in seen:
continue
seen.add(link)
rows.append((entry.get('title') or '未命名文章', link, source))
if len(rows) >= limit:
return rows
return rows
def render(rows):
lines = ['# 我的訂閱閱讀清單', '']
for title, link, source in rows:
# 用角括號包住目的地;編碼會破壞語法的字元。
target = quote(link, safe=":/?#[]@!$&'*+,;=%~.-_")
lines.append(f'- [{label(title)}](<{target}>) — {label(source)}')
if not rows:
lines.append('這次沒有可列出的文章。')
return '\n'.join(lines) + '\n'
def main():
rows = collect(SOURCES, LIMIT)
with Path('reading-list.md').open('x', encoding='utf-8') as file:
file.write(render(rows))
print(f'已寫入 reading-list.md:{len(rows)} 篇')
if __name__ == '__main__':
main()
SOURCES 的順序就是閱讀優先順序。
程式先讀 news.xml 的項目,再讀 tools.xml。
這份範例沒有按日期排序,也不保證是所有來源中最新的十篇。
LIMIT = 10 是總篇數上限,不是每個來源各十篇。
若第一個來源就有十篇,後面的來源不會被列入。
這種簡單規則適合先把常看的網站排前面。
想讓每個來源公平分到篇數,可以留到下一次自己改版。
去重:同一個連結只留第一次 #
兩份練習訂閱都包含 https://example.com/files。
第一次遇到時放進清單,第二次遇到就略過。
所以兩份各兩篇,最後只得到三篇。
相同標題但不同連結,仍然是兩個項目。 同一篇文章若帶不同追蹤參數,也可能被當成兩篇。 我們沒有偷偷刪掉 URL 參數,因為參數有時真的決定內容。
seen 只存在這次執行的記憶體中。
它不是「我讀過哪些文章」的永久紀錄。
下次重跑,來源裡仍存在的項目還是會再出現。
輸出:只建立新檔,不蓋掉你寫的筆記 #
open('x') 代表檔案已經存在就停止。
如果你在清單裡加了心得,重跑不會直接把它洗掉。
要再產生一份,先把舊檔重新命名,例如改為 reading-list-old.md,
或修改程式裡的輸出檔名。
make_samples.py 也採用不覆寫模式;固定樣本只需要建立一次。
標題可能帶中括號、星號甚至 HTML。
label() 把這些當文字保護起來,避免破壞 Markdown 連結。
目的地只保留 HTTP/HTTPS 連結,並編碼會干擾語法的字元。
這不是抓取全文或渲染訂閱裡的 HTML。
五. 換成真的網站:先下載,再解析 #
已經看過固定成品,再試真實來源會比較不慌。 先去你常看的網站找它自己提供的訂閱網址。 不要把一般文章頁、搜尋頁或登入頁直接貼進來。
練習包的 fetch_feed.py 使用 Python 官網的公開訂閱,
你可以換掉 URL,保留其餘程式:
from pathlib import Path
from urllib.request import Request, urlopen
import feedparser
URL = 'https://blog.python.org/feeds/posts/default?alt=rss'
request = Request(URL, headers={'User-Agent': 'ReadingListPractice/1.0'})
with urlopen(request, timeout=15) as response:
data = response.read(2_000_001)
if len(data) > 2_000_000:
raise ValueError('訂閱檔超過練習用的 2 MB 上限')
parsed = feedparser.parse(data)
if parsed.bozo or not parsed.entries:
raise ValueError('不是可使用的訂閱檔,請確認網站提供的訂閱網址')
with Path('live.xml').open('xb') as file:
file.write(data)
print(f'已下載 live.xml:{len(parsed.entries)} 篇')
執行下載:
python fetch_feed.py
成功後會多出 live.xml。
這是當下拿到的訂閱快照,文章數量會隨網站改變。
它不會自動持續更新,也不會取回網站所有歷史文章。
把 digest.py 的來源改成:
SOURCES = ['live.xml', 'news.xml', 'tools.xml']
先替既有的 reading-list.md 改名,再執行 python digest.py。
此時真實來源排第一個,後面兩個仍然是練習資料。
確認沒問題,就可以從列表移除兩個練習來源。
下載程式使用 15 秒 timeout,並限制這次讀取的資料大小。 這不是整個工作的精準 15 秒倒數,但能避免一般連線一直等。 網站可能暫時離線、搬家、限制請求;失敗時保留原有檔案,先確認網址。 不需要因為某站沒有 RSS,就把這個小練習改成大型爬蟲。
六. 常見問題:結果跟想像不一樣時 #
為什麼看到 FileExistsError?
#
通常表示同名輸出已存在,是刻意保護檔案的設計。 先檢查舊檔需不需要保留,再改名或指定新的輸出名稱。 不要為了省事就把整個資料夾清空。
為什麼少了某些文章? #
先看來源是否排在前面、總上限是否太小。 接著確認項目是否和前面有相同連結,或根本沒有可用的 HTTP 連結。 訂閱本來就可能只提供最近幾篇,不等於網站所有內容。
為什麼拒絕解析某個來源? #
程式看到 bozo 就停下來,這是本篇採取的保守做法。
官方文件
指出 feedparser 有時仍能解析不完整的來源,並以這個旗標標記問題。
所以它不一定表示「完全讀不到」,也不一定是你寫錯 Python。
先用文字編輯器看看下載的是 XML,還是網站的錯誤訊息。 這份練習選擇請你檢查來源,而不是悄悄輸出一份不完整清單。
能把文章內容也顯示出來嗎? #
有些來源提供簡介,有些提供全文,有些只有標題。
這篇沒有輸出 summary,也不宣稱能補齊缺少的內容。
先讓清單保持精簡,需要閱讀時再點回原文即可。
七. 結語:把巡網站的時間留給閱讀 #
今天的成果不是一套訂閱平台,而是一個你能看懂的小工具。 兩種訂閱格式進來,一份有來源、可點連結的閱讀清單出去。
拍拍君建議先放兩三個真的會讀的網站。 手動下載、手動執行就夠用,不必第一天就加排程、寄信與資料庫。 等你真的開始使用,才會知道想改的是排序、分類,還是篇數。
能替每天省下幾次無效點擊,就是一個很實在的 Python 成果。📝
延伸閱讀 #
- feedparser 官方文件:支援格式與回傳欄位。
- Requests 教學:想進一步理解網路請求時再看。
- 網頁表格轉 CSV:如果網站沒有訂閱,但有靜態表格,這是不同的整理任務。
- pathlib 檔案路徑:理解目前目錄與檔案操作。