RSS 阅读 / 信息流站

RSS 阅读站的价值不在「什么都能读」，而在你替读者筛过一遍。

选源原则：

• 个人博客 / 独立开发者优先（质量高、更新稳、少营销）
• 每个源看最近 10 篇，广告超过一半的直接淘汰
• 起始 10–20 个源就够，多了你自己都不看

统一数据格式（后面全靠它）：

{
  "updated": "2026-09-27T08:00:00Z",
  "items": [
    { "title": "...", "url": "...", "source": "源名",
      "published": "2026-09-27", "summary": "..." }
  ]
}

解析：Node 用 fast-xml-parser 或 rss-parser；Python 用 feedparser。RSS 有 RSS2.0 / Atom / RDF 三种方言，别手写正则解析——用库。

缺失字段兜底：没有 summary 就截取正文前 120 字；没有 published 就用抓取时间。别让一条脏数据把整个列表搞崩。

拉取脚本做的事就三件：拉 → 合并 → 落盘。

# crontab：每小时的第 7 分钟拉一次
7 * * * * /usr/bin/node /root/rss/fetch.js >> /root/rss/fetch.log 2>&1

合并规则（决定列表好不好看）：

• 按 url 去重：同一篇文章被多个源收录只留一条（保留最早发布的源）
• 按 published 倒序：新在前
• 只留最近 200–500 条：无限增长会让 JSON 变大、页面变慢
• 增量写：先读旧 JSON，合并后再写，别每次全量重算

失败处理：单个源拉失败记日志并跳过，绝不能中断整批；连续失败 3 次的源在日志里标出来，人工检查是不是源挂了。

落盘位置：/www/wwwroot/你的域名/data/feed.json，Nginx 配好 JSON MIME（见 scripts/nginx-site.conf），前端直接 fetch。

别忘了：跑一次 jsonlint 校验，前端白屏 90% 是 JSON 坏了。

阅读器页面就三块：源筛选栏 / 列表 / 已读状态。

列表渲染要点：

• 每条显示：标题、源名、日期、一句话摘要；点标题新窗口打开原文
• 按源筛选（顶部一排 chip）+ 关键词过滤（输入框，本地匹配 title/summary）
• 已读置灰：点击后把 url 存进 localStorage，刷新后仍置灰

// 已读态：存 url 集合，别存整份数据
const read = new Set(JSON.parse(localStorage.getItem('read') || '[]'));
// 点击时 read.add(url) 并写回

纯静态的取舍：已读状态是本地的，换设备不同步——这是特性不是 bug，写在页面说明里，别为了同步去加后端。

性能：500 条以内直接全量渲染不用分页；超过就按日期分段「加载更多」。

兜底：fetch 失败显示「数据暂不可用」+ 上次更新时间，别白屏。

上线：传静态文件（或挂子目录 reader.你的域名）、申请 HTTPS、写 sitemap 提交。

收录观测（信息流站特别重要）：
信息流页面内容每天变，爬虫抓到的和你现在显示的可能不一样。做法：

• 页面静态部分写清这是什么站、收录哪些源、更新频率（爬虫读得到）
• sitemap.xml 里带上阅读器页，lastmod 随数据更新
• 把 URL 写进 data/index-observation.json，跑 bash scripts/index-observation.sh 定期核对状态
• 源列表页（/sources.html）单独做一页静态清单——这页才是你真正的 SEO 资产，因为它内容稳定且关键词明确

维护（每月 20 分钟）：

• 淘汰连续 30 天没更新或质量下滑的源，补 2–3 个新源
• 看 pv 与点击：哪个源的文章点得最多，就往那个方向加源
• 埋 feed_click（点击条目跳原文）作为主转化事件，登记进 data/conversion.json

别做的：为了收录去生成一堆空壳聚合页，那是稀释权重不是增加收录。