确定数据是否是python上的RSS或HTML

Question

是否有我可以在Python中调用的函数或方法
这会告诉我数据是RSS还是HTML？

Answer 1

文件类型通常应该在带外确定。例如。如果您要从Web服务器获取文件，则要查看的地方应该是HTTP响应的Content-Type标头。如果您正在读取本地文件，文件系统将有一种确定文件类型的方法 - 在Windows上查看文件扩展名。

如果这些都不可用，您将不得不采取内容嗅探。这是从来没有完全可靠，RSS是特别烦，因为有它的多个不兼容的版本，而是最好的，你可以这样做很可能是：

1. 尝试解析与XML解析器的内容。如果失败，则内容不是格式良好的XML，因此不能是RSS。

2. 看看document.documentElement.namespaceURI。如果它是http://www.w3.org/1999/xhtml，那么你已经有了XHTML。如果它是http://www.w3.org/1999/02/22-rdf-syntax-ns#，那么你就有RSS（一种味道）。

3. 如果document.documentElement.tagName是rss，那么您已经获得了RSS（略有不同的风味）。

如果文件不能被解析为XML，它可能是HTML（或者它的一些标签汤近似值）。可以想象，它也可能会被破坏RSS。在这种情况下，大多数Feed工具会拒绝它。如果您仍然需要检测这种情况，那么您会减少到在文件开头附近寻找字符串<html或<rss或<rdf:RSS。这将更加不可靠。

Answer 2

您可以随时自行分析以搜索xml标记（对于RSS）或html标记（对于HTML）。