RSS / Atom 订阅源读取器
当脚本需要读取订阅源，并且希望在不同格式（RSS 2.0 和 Atom）下获得统一的规范化数据结构，且无需第三方依赖时，使用此技能。它通过一次 ElementTree 遍历，从两种格式中提取 title、link、id、published 和 summary，使得下游代码（去重、摘要、告警）无需根据订阅源类型分支处理。
何时调用
- 用户说：“读取这个 RSS 订阅源”、“轮询博客订阅源”、“获取 Atom 订阅源的最新条目”、“监控网站的新文章”。
- 代码已获取订阅源字节数据，需要结构化条目。
何时不调用
- 源提供真实的 JSON API——应直接调用 API，而不是抓取订阅源。
- 需要完整的 feedparser 异常处理（处理各种格式错误的方言）——安装
feedparser。
具体示例
用户输入：
读取 https://example.com/feed.xml 并打印每篇文章的标题和链接。
输出：
# 将 assets/feed.py 复制到你的项目中，然后：
from urllib.request import urlopen
from feed import parse_feed
with urlopen("https://example.com/feed.xml", timeout=20) as r:
for item in parse_feed(r.read()):
print(item["title"], "->", item["link"])
每个条目都是一个字典，无论订阅源是 RSS 还是 Atom，键名都相同，因此可以通过 id 去重、按 published 排序，无需特殊处理。
应用模式
- 使用
xml.etree.ElementTree一次解析；遍历item（RSS）和{atom}entry（Atom）。 - 规范化为稳定的键集合，使管道的其余部分与订阅源格式无关。
- 从
guid/Atom 的id回退到链接，确保每个条目都有稳定的身份标识用于去重。 - 将网络操作排除在解析器之外：传入字节或文本数据，使其保持纯净且可测试。
参考：assets/feed.py。
来源
提炼自作者的个人新闻聚合项目。v1.0.0。 另见：[[gmail-imap-digest]]、[[sqlite-state]]、[[pipeline-orchestrator]]。
→ 使用 Trawlkit 构建完整的可运行机器人。