卡蘭坦斯蓋普恩基地

在看到PTT部落格板有人提出的一些疑問後，基於自己曾有過研究，本文是給那些對RSS等網站聯合化技術沒有或僅有少數概念的網友，作為原理、介紹與發展方面的一個入門。





什麼是網站聯合化？

網站聯合化（Web syndication）或內容聯合化（content syndication）是一種新型態的網站內容傳播方式。它的基本概念是發佈（publish）和訂閱（subscribe）──使用者無須主動造訪網站，就可以得知各網站的更新內容為何，以及內容在哪裡。

那麼，這跟email的訂閱有什麼不同？

網站聯合化的方式是透過「Web feed」，讓所謂的閱讀器（Reader）讀取資料。一些人以為Web feed是像電視和收音機一樣把資料送過來；但事實上，Web feed只是一個類似網頁的檔案，從頭到尾都放在來源網站上，但會定期把網站的更新內容寫進去。等使用者打開閱讀器時，閱讀器便會讀取feed的內容，再判斷有哪些新的東西存在。

許多關於聯合化技術的介紹會說這是一種推送技術（push technology）；也就是網站主動把資料傳給訂閱者，而不是由使用者去尋找資料。不過，網站實際上雖然發佈的文章，卻並不把資料丟給他們，而是讓閱讀器去讀取Web feed。訂閱者所要做的就是記住feed網址就行了。


網站內容發佈，然後輸出XML檔案形式的摘要；訂閱者的閱讀器，也就是資料的整合點再取得這些摘要並顯示給訂閱者看



網站聯合化的好處

透過Web feed訂閱網站的使用者，不需如email般提供自己的位址，免除垃圾與廣告信件的困擾；對內容發佈者而言，feed既然會自動產生，亦無須多花時間把內容主動丟給訂閱者。閱讀器並能按來源網站以一目瞭然的方式列出內容，不想看的大可跳過。若不想再訂閱，只須從閱讀器刪除feed的網址即可。

多方便啊！所有的部落格、線上新聞瞬間一把抓，花更少的時間就能輕易追蹤各站台的動態，減少遺漏任何訊息的機會。



聯合化的更新通知不是自動的

是半自動的。等你登入、打開閱讀器或按下更新（refresh），閱讀器才會抓取可能存在的新內容，所以不能保證資料發佈對你有及時性，除非你隨時都開著並檢查閱讀器的動態。

這也會造成一個潛在的問題：使用者若太久不用閱讀器，就會錯過較早發佈的文章，因為feed的更新範圍有限。見後進一步說明。



Web feed如何讓閱讀器得知網站的內容

目前主要的聯合化規格，包括RSS 2.0、Atom 1.0等，都使用了XML（Extensible Markup Language，延伸標記語言）技術。簡單的說，XML是一種很像HTML的標記語言，用標籤（tag）作為文字資料的解釋性資料。

本質為文字檔案的網頁，之所以能顯示出不同的格式與效果，正是因為瀏覽器解讀了網頁中的HTML標籤所致；XML基本上也是如此，只不過它並不用來顯示網頁，而可用於各種不同的文件，提供遵循特定規格的程式進行解讀、提高資料交換的便利性與效率。

舉例來說，下面這是一本書的標題：

2001: Space Odyssey

可是接收的程式不能直接曉得這幾個字代表著什麼。但是若是這樣：

<booktitle>2001: Space Odyssey</booktitle>

只要閱讀器的程式事先曉得「booktitle」標籤的意義，它便能知道夾在這標籤內的文字指的是一本書的標題。進一步地，標籤可以用更複雜的巢狀形式組合：

<book>
    <title>2001: Space Odyssey</title>
    <arthur>Arthur C. Clarke</arthur>
    <publishyear>1968</publishyear>
    <type>science fiction</type>
</book>

在「book」的標籤裡面，包含了一本書的標題、作者、出版年與類型的子標籤。

RSS 2.0與Atom 1.0都使用XML標籤來指示網站內容的各項資料，方法相當類似，只不過在標籤的定義上有所差異。我們在後面會以最普遍的RSS 2.0為例解說。



網站聯合化技術與規格簡史

聯合化技術的前身源自1996年，Ramanathan Guha在蘋果電腦公司發展了後設內容架構（Meta Content Framework，MCF）。1997年Guha轉到網景（Netscape）任職後，他將之發展為資源描述架構（Resource Description Framework，RDF）；而網景的Dan Libby便以RDF為基礎，於1999年推出了第一代使用XML的RSS──RDF Site Summary，版本編號RSS 0.9。

UserLand公司的Dave Winer曾發展了類似頻道定義格式（Channel Definition Format，CDF）的scriptingNews發佈技術；CDF由微軟在97年發展，但從未推廣起來。隨RSS 0.9的推出，Dave Winer向網景提出了多次建議；Dan Libby於是參考這些建議與scriptingNews的部分特色，推出更簡潔的RSS 0.91，縮寫也改名為豐富站台摘要（Rich Site Summary）。

網景逐漸對網站聯合化失去了興趣，不過RSS的發展大戰才正要開打。2000年，一個名為RSS-DEV的小組制定了RSS 1.0；問題是，這個技術延續的不是RSS 0.91，而是較早的RSS 0.9。認為對方破壞版本演進的Dave Winer不甘示弱，繼續以RSS 0.91改良出RSS 0.92──以及今日廣為使用的，2002年的RSS 2.0。

2003年，有鑑於RSS版本的混亂，以及UserLand公司對RSS 2.0的著作權控制，一群網路使用者合作發展了開放性的Atom 0.3規格；這項規格於05年改良為Atom 1.0，並被納入為網際網路工程工作特別小組（Internet Engineering Task Force，IETF）的標準之一。同樣在2005年，RSS 1.0也升級成RSS 1.1，延續其有別於RSS 2.0的路線。

Google自己發展了一種稱為GData的東西，合併了RSS 2.0以及Atom 1.0的特色，用於自己提供之服務的對外應用。



RSS 2.0 vs. Atom 1.0

其實這兩種規格大同小異，只不過Atom 1.0在部分功能上比RSS 2.0更豐富、延伸性更強。儘管如此，RSS 2.0的使用仍更普遍，一部分或許和出現的時間較早有關；它也足以滿足一般部落格、新聞的基本需求。

有些人以為Atom是RSS的一種；這點是錯誤的。



RSS 2.0規格簡介

你可以從你自己的部落格打開RSS 2.0的文件，或者觀看官方的範例。下面我以敝人的部落格為例說明。

第一行告訴瀏覽器這是個XML文件，編碼為utf-8：（所以你會看到瀏覽器以顏色顯示標籤）

<?xml version="1.0" encoding="utf-8" ?>

第二行指出這個XML文件使用RSS 2.0的規格：（後面通常有一串網址，那是給設計者參考規格之來源文件用的）

<rss version="2.0">

接下來的「channel」標籤指出來源站台的基本資料：

<channel>
    <title>卡蘭坦斯蓋普恩基地</title>
    <link>http://blog.yam.com/krantas</link>
    <description>Blog of Alan Krantas - SW‧SF‧Reading‧Travel‧Life</description>
    <language>zh-tw</language>
    <generator>blog.yam.com</generator>
    <copyright>All Rights Reserved</copyright>
    ...
</channel>

如果你了解之前的例子，應該可以看出這部分指出了站台標題、網址、描述（介紹或副標題）、文件產生者等資訊。

緊接著基本資訊、也包含在「channel」標籤內的則是「item」項目：

<item>
    <title>丹‧西蒙斯：海柏利昂（與試閱）</title>
    <description>
丹‧西蒙斯（Dan Simmons）的1989年重量級作品《海柏利昂》（Hyperion），中文版即將於11/1問世。<br />
<br />
<img src="http://pics5.blog.yam.com/4/userfile/k/krantas/blog/1472190211b827.jpg" alt="" style="border-width: 0; float: left; margin: 0.7em 1.4em 0.7em 0;" /><br />
    </description>
    <link>http://blog.yam.com/krantas/article/12289931</link>
    <category>中譯科奇幻出版報導</category>
    <pubDate>Fri, 26 Oct 2007 15:06:34 +0800</pubDate>
</item>

以部落格來說，一個「項目」就是一篇文章、一項資料內容，有標題、描述、分類、網址、發佈日期等等。閱讀器抓的就是這些東西，程式遵循RSS 2.0文件的格式解讀對應的標籤，然後排列顯示給使用者看。

有興趣的人可從官方的RSS 2.0定義文件找到進一步的說明。除了既有的標籤種類不得更改外，RSS 2.0允許設計者加上額外的標籤以提供額外資訊。



Web feed的更新與輸出方式

Web feed文件的產生方式大致有三種，一種是來源網站定期地讀取資料庫後產生一份新的文件；二是這個文件本身就是個程式（如ASP、JSP等），在使用者讀取時才動態地抓取最新的文章。第三種是feed並不由來源網站提供，而是如Feedburner等第三方以其它方式抓取（「燒」）而產生的，讓本身沒提供feed的網站（如Blogger）也能提供訂閱。

不過，雖然之前我提到Web feed能顯示網站更新，feed文件顯示的其實只是「本文件更新時該站最新的N篇文章」。閱讀器之所以能指出哪些文章是新的，或者你尚未瀏覽過，是因為閱讀器幫你記錄了站台的閱讀歷程；天空部落內建的陽春型RSS閱讀器，或是嵌在部落格邊欄的聯播列表等，就能原封不動地顯示feed的目前所有內容。



我可以選擇Web feed輸出符合想要條件的內容嗎？

不行，因為feed文件的產生，以及會抓哪些文章是事先設計好的。一個Web feed通常會包含十到三十篇最新的內容，而這和在某些欄位會丟什麼樣的資料，都由文件的產生網站或程式設計者決定；例如，文章的描述欄可能是整篇文章的內容，也可能只是一部份的摘要。

只顯示摘要是比較合理的，因為這能減少閱讀器顯示的資訊，也能避免網站失去該有的點閱量。不過目前為止，RSS等技術本身仍缺乏針對個別訂閱者需求調整的能力，多半還是得倚賴閱讀器。



Web feed與email的再次比較

由於Web feed包含的篇幅數量有限，過舊的文章會從來源站台的feed文件裡消失；訂閱者若太久不開閱讀器，就會因而錯過了內容。相反的，email就算沒有收取，也會儲存在使用者於郵件伺服器的空間內，直到空間被塞滿為止。

一般來說，網路聯合化適用於尋常性、經常性、非對象性的網站更新：email則適合作為緊急性、高時效性，以及有對象性的通知。



如何知道一個站台有沒有提供RSS或Atom？

在站台中尋找例如 、 、 或 等類似的連結圖案。一些瀏覽器如Internet Explorer 7與Firefox也擁有內建偵測Web feed是否存在的功能。

某些閱讀器也會提供搜尋功能，這對尋找未顯示出來或不屬於來源站台的第三方feed（如Feedburner）尤其好用。



如何訂閱RSS或Atom

網路上的教學文章很多，在此便不多介紹；基本上只要找個閱讀器，例如Google Reader，把要看的站台的feed網址丟進去就行了。現在許多閱讀器都支援多種聯合化輸出規格，而且可以對feed進行分類、標記等，還有分析、追蹤等額外功能。

訂閱前請先注意feed的內容：現在除了部落格、新聞等本文之外，連迴響、相簿、播客（podcast）等都可能有獨立的feed。網路書櫃aNobii甚至可提供全站推薦書籍資訊的feed。

天空部落一陣子前開啟的Bloglive!也是閱讀器的一種。差別只在於，它提供了圖形化介面、交友和訊息流通的功能。



閱讀器間的訂閱清單轉移

大多閱讀器可以用OPML檔案格式輸出／輸入訂閱清單，很輕鬆地便能轉移，不必再花時間重複設定訂閱站台。



為什麼有時候閱讀器會抓到重複的文章？

可能是原作者對文章事後作了修改，或者Web feed在重新產生時修改了某些資訊，以致閱讀器認為那是不同的文章。這種情況是沒辦法處理的，除非你能說服網站管理者修改feed文件的產生程式。



閱讀器可以備份他人的文章嗎？

如Google Reader等的閱讀器會紀錄你瀏覽過的所有摘要，但並不會保存原始的來源文章。



RSS可以用來備份自己的網站？可以但不實際

有些部落格、像天空可以用RSS的格式輸出站台內容，並儲存XML文件在使用者的電腦上。事實上，XML的用途本來就使用在文件與資料上，能當作某種資料庫使用，也已有許多用於商業自動化資料交換的例子，如電子企業延伸標記語言（Electronic Business using eXtensible Markup Language，ebXML）與延伸商務報告語言（Extensible Business Reporting Language，XBRL）等。

從天空的情況來看，RSS備份只不過是讓你把目前的Web feed產出文件存起來而已，本質上沒什麼備份的效果；尤其，這份文件涵蓋的文章數有限，也只包含了文章的摘要。這樣的話，用別種形式的XML格式來備份（若網站能夠支援），大概還比較有用吧。





暫時先寫到這裡，有想到別的再補充吧。