README

English | 中文

RSS源抓取收集Bundle，提供定时抓取RSS源内容并存储到数据库的功能。

核心功能

• RSS源管理: 支持多个RSS源的配置和管理
• 自动抓取: 基于配置的间隔时间自动抓取RSS内容
• 智能去重: 基于文章链接自动去重，避免重复存储
• 状态管理: 跟踪每个RSS源的抓取状态和错误信息
• Console命令: 支持手动触发和批量抓取

快速开始

1. 安装依赖

composer install

2. 运行数据迁移

php bin/console doctrine:migrations:migrate

3. 加载测试数据

php bin/console doctrine:fixtures:load

4. 执行RSS抓取

# 抓取单个RSS源 (必须指定feed-id)
php bin/console rss:collect-feed --feed-id=1

# 强制抓取单个RSS源
php bin/console rss:collect-feed --feed-id=1 --force

# 抓取所有到期的RSS源
php bin/console rss:collect-feeds

# 强制抓取所有活跃RSS源
php bin/console rss:collect-feeds --force

# 查看统计信息
php bin/console rss:collect-feeds --stats

测试用RSS源

Bundle预置了百度科技新闻RSS源用于真实测试：

• 名称: 百度-科技最新
• URL: https://news.baidu.com/n?cmd=4&class=technnews&tn=rss
• 抓取间隔: 30分钟
• 用途: 可发起真实HTTP请求进行功能验证

架构设计

实体结构

RssFeed (RSS源)
├── id: 主键
├── name: RSS源名称
├── url: RSS源URL地址
├── category: 分类
├── collectIntervalMinutes: 抓取间隔(分钟)
├── status: 状态(active/error/disabled)
├── lastCollectTime: 最后抓取时间
├── lastError: 最后错误信息
└── itemsCount: 文章总数

RssItem (RSS文章)
├── id: 主键  
├── title: 文章标题
├── link: 文章链接 (去重键)
├── description: 文章描述
├── content: 文章内容
├── guid: 文章GUID
├── publishTime: 发布时间
└── rssFeed: 关联RSS源

服务层

• RssFeedCollectService: 核心抓取服务，处理HTTP请求、XML解析、数据存储
• RssFeedRepository: RSS源数据访问层
• RssItemRepository: RSS文章数据访问层

Console命令

rss:collect-feed

单个RSS源抓取命令，专门处理指定RSS源的抓取。

# 抓取指定RSS源
php bin/console rss:collect-feed --feed-id=1

# 强制抓取（忽略抓取间隔）
php bin/console rss:collect-feed --feed-id=1 --force

rss:collect-feeds

批量RSS源抓取命令，遍历所有RSS源并执行抓取。

# 抓取所有到期的RSS源
php bin/console rss:collect-feeds

# 强制抓取所有活跃RSS源  
php bin/console rss:collect-feeds --force

# 查看统计信息
php bin/console rss:collect-feeds --stats

环境配置

# RSS抓取超时时间(秒)，默认30
RSS_COLLECT_TIMEOUT=30

# RSS抓取User-Agent，默认"RSS Feed Collector Bot/1.0"  
RSS_COLLECT_USER_AGENT="RSS Feed Collector Bot/1.0"

运行测试

# 运行所有测试
./vendor/bin/phpunit

# 运行静态分析
php -d memory_limit=2G vendor/bin/phpstan analyse --level=8

使用示例

添加新的RSS源

$rssFeed = new RssFeed();
$rssFeed->setName('技术博客');
$rssFeed->setUrl('https://example.com/feed.xml');
$rssFeed->setCategory('技术');
$rssFeed->setCollectIntervalMinutes(60);
$rssFeed->setIsActive(true);

$entityManager->persist($rssFeed);
$entityManager->flush();

手动抓取RSS源

$collectService = $container->get(RssFeedCollectService::class);
$result = $collectService->collectFeed($rssFeed);

if ($result['success']) {
    echo "抓取成功，新增文章: " . $result['items_count'];
} else {
    echo "抓取失败: " . $result['error'];
}