RSSフィードのオートディスカバリー(Auto Discovery)を探す方針

2009/1/13 01:10

Auto Discoveryはheadタグ内にlinkタグで指定されますが、すべてのlinkタグがオートディスカバリーとは限らないため、linkタグの中から適切なタグを見つける必要があります。

<link rel="alternate" type="application/rss+xml"
 title="F.Ko-Jiの「一秒後は未来」 RSSフィード"
 href="http://feeds.feedburner.jp/blog-fkoji" />

↑ オートディスカバリーの例

linkタグを見つけるためだけにHTMLのパーサーを使うのはめんどくさいので、マッチングを何度か利用することにします。おおまかな流れは以下の通り。

与えられたHTMLから link タグをマッチングですべて抜き出します。
それぞれのlinkタグについて以下の処理をおこないます。
- rel=”alternate” 属性があるか確認します。
- type属性を探します。
- type属性の値が以下の5つのいずれかであることを確認します。
  - application/rss+xml
  - application/atom+xml
  - application/rdf+xml
  - application/xml
  - text/xml
- href属性を探します。
- href属性の値を絶対URLに変換します。
- 変換後のURLが不正なURLでないことを確認します。(URL表現的にとか、プライベートアドレスでないかとか)
URLを取得できたものの中にapplication/rss+xm、application/atom+xml、application/rdf+xmlのいずれかが含まれていれば、application/xml、text/xmlのものは無視します。なぜならサイトマップのオートディスカバリーである可能性があるためです。