如何使用 R 使用流式 XML（RSS 提要）？

Question

我有点了解如何使用XML 包来读取和解析XML 文件，例如RSS 提要的一部分。但是，连续阅读 RSS 提要的基本设置是什么？

例如，假设我想建立一个设施，从http://evemaps.dotlan.net/feed/sovereignty 连续读取提要并将数据存储在某种 R 数据结构中（例如，data.frame）。我想我需要执行以下操作：

1. 在服务器上设置 R（例如 AWS 实例上的 RStudio Server）
2. 打开到 rss 源的 HTTP 连接
3. 不断读取和解析提要的不同位，并将它们添加到 data.frame，该 data.frame 会随着添加的每个条目而增长

不过，这还是一张比较模糊的图片。我需要将哪些基本包和功能串在一起才能完成这项工作？含义：创建这样一个设施需要采取哪些基本步骤？我不是在寻找任何人为我编写这个工具（即使那会很好！）。相反，我试图了解所涉及的总体步骤。

Answer 1

我想你正在寻找pubsubhubbub。

使用 RSS 客户端（即 AWS 上的 R 应用程序），您有 2 个选择：轮询或 PubSubHubbub（又名 webhooks、PuSH 等）。如here 所述，通过轮询，您可能会在超出某些发布者的最大 ping 策略后受到限制。使用 PuSH，发布者的服务器会在有新更新时实时通知您的 R 应用程序，因为它作为订阅工作。

上面链接的 SO 答案指向流行的按需付费中心提供商 Superfeedr 和 a post 的博客，该博客描述了 PuSH 协议的工作流程并显示了命令行实现。

您可以从this Google IO 2010 presentation 那里了解更多关于该协议的信息，作者是制作 PuSH 的工程师之一。