qq_bot/handler/rss/parse.go

package rss

import (
	"crypto/md5"
	"encoding/xml"
	"fmt"
	"io"
	"net/http"
	"sort"
	"strings"
	"time"
)

func CheckRssFeed(feedURL string) error {
	//确认返回头
	resp, err := http.Head(feedURL)
	if err != nil {
		return err
	}
	if resp.StatusCode != 200 {
		return fmt.Errorf("RSS源无效: %d", resp.StatusCode)
	}
	contentType := resp.Header.Get("Content-Type")
	// 支持多种RSS/Atom的Content-Type
	validContentTypes := []string{
		"application/rss+xml",
		"application/atom+xml",
		"application/xml",
		"text/xml",
	}

	isValid := false
	for _, validType := range validContentTypes {
		if strings.Contains(contentType, validType) {
			isValid = true
			break
		}
	}

	if !isValid {
		return fmt.Errorf("RSS源无效: %s", resp.Header.Get("Content-Type"))
	}
	return nil
}

func ParseRssFeed(feedURL string) ([]RssItem, error) {
	//确认大小
	resp, err := http.Head(feedURL)
	if err != nil {
		return nil, err
	}
	if resp.StatusCode != 200 {
		return nil, fmt.Errorf("RSS源无效: %d", resp.StatusCode)
	}
	if resp.ContentLength == 0 || resp.ContentLength > 1024*1024*10 {
		return nil, fmt.Errorf("RSS源的大小为%d,超出限制", resp.ContentLength)
	}

	//获取rss数据
	resp, err = http.Get(feedURL)
	if err != nil {
		return nil, err
	}
	defer resp.Body.Close()

	// 读取响应体内容
	body, err := io.ReadAll(resp.Body)
	if err != nil {
		return nil, fmt.Errorf("读取RSS数据失败: %v", err)
	}

	// 首先尝试解析为RSS格式
	items, err := parseRSSFormat(body)
	if err == nil {
		return items, nil
	}

	// 如果RSS格式解析失败，尝试解析为Atom格式
	items, err = parseAtomFormat(body)
	if err != nil {
		return nil, fmt.Errorf("解析RSS/Atom数据失败: %v", err)
	}

	return items, nil
}

// 解析RSS格式
func parseRSSFormat(data []byte) ([]RssItem, error) {
	var rssFeed RSSFeed
	decoder := xml.NewDecoder(strings.NewReader(string(data)))
	decoder.CharsetReader = func(charset string, input io.Reader) (io.Reader, error) {
		// 处理不同的字符编码
		switch charset {
		case "GB2312", "GBK", "GB18030":
			// 如果需要处理中文编码，可以在这里添加转换逻辑
			return input, nil
		default:
			return input, nil
		}
	}

	if err := decoder.Decode(&rssFeed); err != nil {
		return nil, err
	}

	// 转换为RssItem数组
	var items []RssItem
	for _, item := range rssFeed.Channel.Items {
		rssItem := RssItem{
			Title:       item.Title,
			Link:        item.Link,
			Description: item.Description,
			GUID:        item.GUID,
			Author:      item.Author,
			Category:    item.Category,
		}

		// 解析发布时间
		if item.PubDate != "" {
			rssItem.PubDate = parseTimeString(item.PubDate)
		}

		// 生成内容哈希值
		content := fmt.Sprintf("%s%s%s", item.Title, item.Link, item.Description)
		hash := md5.Sum([]byte(content))
		rssItem.Hash = fmt.Sprintf("%x", hash)

		items = append(items, rssItem)
	}

	//按时间降序排序
	sort.Slice(items, func(i, j int) bool {
		return items[i].PubDate.After(items[j].PubDate)
	})

	return items, nil
}

// 解析Atom格式
func parseAtomFormat(data []byte) ([]RssItem, error) {
	var atomFeed AtomFeed
	decoder := xml.NewDecoder(strings.NewReader(string(data)))
	decoder.CharsetReader = func(charset string, input io.Reader) (io.Reader, error) {
		// 处理不同的字符编码
		switch charset {
		case "GB2312", "GBK", "GB18030":
			// 如果需要处理中文编码，可以在这里添加转换逻辑
			return input, nil
		default:
			return input, nil
		}
	}

	if err := decoder.Decode(&atomFeed); err != nil {
		return nil, err
	}

	// 转换为RssItem数组
	var items []RssItem
	for _, entry := range atomFeed.Entries {
		rssItem := RssItem{
			Title:  entry.Title,
			GUID:   entry.ID,
			Author: entry.Author.Name,
		}

		// 获取链接
		for _, link := range entry.Link {
			if link.Rel == "" || link.Rel == "alternate" {
				rssItem.Link = link.Href
				break
			}
		}

		// 获取描述内容
		if entry.Content.Value != "" {
			rssItem.Description = entry.Content.Value
		} else if entry.Summary != "" {
			rssItem.Description = entry.Summary
		}

		// 获取分类
		if len(entry.Category) > 0 {
			rssItem.Category = entry.Category[0].Term
		}

		// 解析发布时间
		timeStr := entry.Published
		if timeStr == "" {
			timeStr = entry.Updated
		}
		if timeStr != "" {
			rssItem.PubDate = parseTimeString(timeStr)
		}

		// 生成内容哈希值
		content := fmt.Sprintf("%s%s%s", rssItem.Title, rssItem.Link, rssItem.Description)
		hash := md5.Sum([]byte(content))
		rssItem.Hash = fmt.Sprintf("%x", hash)

		items = append(items, rssItem)
	}

	//按时间降序排序
	sort.Slice(items, func(i, j int) bool {
		return items[i].PubDate.After(items[j].PubDate)
	})

	return items, nil
}

// 解析时间字符串的辅助函数
func parseTimeString(timeStr string) time.Time {
	// 尝试多种时间格式
	timeFormats := []string{
		time.RFC3339,               // "2006-01-02T15:04:05Z07:00" (ISO 8601, Atom常用)
		time.RFC3339Nano,           // "2006-01-02T15:04:05.999999999Z07:00"
		time.RFC1123,               // "Mon, 02 Jan 2006 15:04:05 MST" (RSS常用)
		time.RFC1123Z,              // "Mon, 02 Jan 2006 15:04:05 -0700"
		time.RFC822,                // "02 Jan 06 15:04 MST"
		time.RFC822Z,               // "02 Jan 06 15:04 -0700"
		"2006-01-02T15:04:05Z",     // UTC时间
		"2006-01-02T15:04:05.000Z", // 带毫秒的UTC时间
		"2006-01-02 15:04:05",      // 简单格式
	}

	for _, format := range timeFormats {
		if parsedTime, err := time.Parse(format, timeStr); err == nil {
			return parsedTime
		}
	}

	// 如果所有格式都失败，返回零时间
	return time.Time{}
}