Compare commits
3 Commits
1dcc900513
...
60485ab440
| Author | SHA1 | Date |
|---|---|---|
 netmoose
|
60485ab440 | 4 years ago |
|
Andrey Ivanov (NetMoose)
|
f0d6726bb1 | 4 years ago |
|
Andrey Ivanov (NetMoose)
|
9855a89fbe | 4 years ago |
4 changed files with 387 additions and 272 deletions
@ -1 +1,103 @@ |
|||||||
# RSSCollector |
# RSSCollector |
||||||
|
|
||||||
|
## О проекте |
||||||
|
Данный проект предназначен для сбора информации из RSS о публикациях на сайтах. Найденные новые публикации пересылаются в канал в Telegram. |
||||||
|
|
||||||
|
## Какие технологии используются |
||||||
|
|
||||||
|
Для сборки проекта необходимы: |
||||||
|
|
||||||
|
1. Компилятор [GO](https://go.dev/dl/) |
||||||
|
2. Дополнительный модуль обработки параметров командной строки https://github.com/jessevdk/go-flags |
||||||
|
3. Дополнительный модуль для работы с Telegram Bot API https://github.com/go-telegram-bot-api/telegram-bot-api |
||||||
|
4. Встраиваемая [БД BoltDB](https://github.com/boltdb/bolt) |
||||||
|
|
||||||
|
## Конфигурация |
||||||
|
|
||||||
|
По-умолчанию конфигурационный файл ищется в том же каталоге, где запускается исполняемый файл, с именем `config.yml`. |
||||||
|
|
||||||
|
Формат данного файла - YAML |
||||||
|
|
||||||
|
Выглядит конфиг так: |
||||||
|
|
||||||
|
```yaml |
||||||
|
dbpath: "/var/cache/rsscollector/rss.db" |
||||||
|
telegram: |
||||||
|
senddebug: true |
||||||
|
chatid: <CHATID> |
||||||
|
token: "<TOKEN>" |
||||||
|
rsslist: |
||||||
|
- name: "<RSS1>" |
||||||
|
url: "https://<URL1>" |
||||||
|
- name: "<RSS2>" |
||||||
|
url: "https://<URL2>" |
||||||
|
|
||||||
|
``` |
||||||
|
|
||||||
|
где |
||||||
|
|
||||||
|
- `dbpath` - путь до файла БД |
||||||
|
- `telegram` - блок описания парабетров для telegram-бота |
||||||
|
- `senddebug` - выводить ли debug-информацию при отправке в телеграм |
||||||
|
- \<CHATID\> - идентификатор канала, в который будет присылаться информация. Получить можно например из робота [Json Dump Bot](https://t.me/JsonDumpBot), переслав ему любое сообщение из требующегося канала и взяв идентификатор (вместе с -) из параметра `forward_from_chat` |
||||||
|
- \<TOKEN\> - токен бота, от имени которого будут присылаться сообщения и которого необходимо добавить в канал администратором (достаточно оставить ему права отсылать сообщения в канал). Бота заводим, как обычно, через [BotFather](https://t.me/BotFather) |
||||||
|
- `rsslist` - блок описания лент, с которых будет собираться информация |
||||||
|
- \<RSS1\>, \<RSS2\> - наименования лент. Используются как идентификаторы в БД и в логах для вывода информации, откуда инфа, а также при отправке в канал в заголовке |
||||||
|
- \<URL1\>, \<URL2\> - веб-адреса RSS-лент |
||||||
|
|
||||||
|
## Сборка |
||||||
|
|
||||||
|
`go build -o rsscollector` в каталоге проекта. Перед этим имеет смысл получить все зависимости, перечисленные в `go.mod` |
||||||
|
|
||||||
|
## Запуск |
||||||
|
|
||||||
|
При запуске проверяется один параметр командной строки: |
||||||
|
|
||||||
|
`-c` или `--configpath` - в нем необходимо указать, где находится конфиг. Как было уже сказано выше - это необязательно и конфиг можно разместить прямо в каталоге запуска. |
||||||
|
|
||||||
|
RSS - ленты парсятся по-очереди, новые сообщения отсылаются в канал и записываются в БД, чтобы при следующем запуске не отсылались. Соответственно, при первом запуске надо быть готовым, что в канал прилетит очень много сообщений. |
||||||
|
|
||||||
|
Я использую для запуска данного бинарника systemd и его возможности для запуска сервисов по расписанию. |
||||||
|
|
||||||
|
Для этого в /etc/systemd/system созданы два файла: |
||||||
|
|
||||||
|
- rsscollector.service |
||||||
|
- rsscollector.timer |
||||||
|
|
||||||
|
rsscollector.service: |
||||||
|
|
||||||
|
```ini |
||||||
|
[Unit] |
||||||
|
Description=Collect RSS from sites and send to telegram |
||||||
|
Wants=rsscollector.timer |
||||||
|
|
||||||
|
[Service] |
||||||
|
Type=oneshot |
||||||
|
ExecStart=/usr/local/bin/rsscollector -c /etc/rsscollector/config.yml |
||||||
|
User=root |
||||||
|
Group=root |
||||||
|
|
||||||
|
[Install] |
||||||
|
WantedBy=multi-user.target |
||||||
|
``` |
||||||
|
|
||||||
|
rsscollector.timer |
||||||
|
|
||||||
|
```ini |
||||||
|
[Unit] |
||||||
|
Description=Collect RSS from sites and send to telegram |
||||||
|
Requires=rsscollector.service |
||||||
|
|
||||||
|
[Timer] |
||||||
|
Unit=rsscollector.service |
||||||
|
OnCalendar=*:0 |
||||||
|
|
||||||
|
[Install] |
||||||
|
WantedBy=timers.target |
||||||
|
|
||||||
|
``` |
||||||
|
|
||||||
|
После создания файлов необходимо включить выполнение `rsscollector.timer` командой: |
||||||
|
`systemctl enable rsscollector.timer` |
||||||
|
|
||||||
|
В начале каждого часа будет вызываться на выполнение `rsscollector.service` |
||||||
@ -0,0 +1,139 @@ |
|||||||
|
package main |
||||||
|
|
||||||
|
import ( |
||||||
|
"crypto/tls" |
||||||
|
"encoding/xml" |
||||||
|
"html/template" |
||||||
|
"io" |
||||||
|
"log" |
||||||
|
"net/http" |
||||||
|
"sort" |
||||||
|
"time" |
||||||
|
|
||||||
|
"github.com/boltdb/bolt" |
||||||
|
) |
||||||
|
|
||||||
|
type Rss2 struct { |
||||||
|
XMLName xml.Name `xml:"rss"` |
||||||
|
Version string `xml:"version,attr"` |
||||||
|
// Required
|
||||||
|
Title string `xml:"channel>title"` |
||||||
|
Link string `xml:"channel>link"` |
||||||
|
Description string `xml:"channel>description"` |
||||||
|
// Optional
|
||||||
|
PubDate string `xml:"channel>pubDate"` |
||||||
|
ItemList []Item `xml:"channel>item"` |
||||||
|
} |
||||||
|
|
||||||
|
type Item struct { |
||||||
|
// Required
|
||||||
|
Title string `xml:"title"` |
||||||
|
Link string `xml:"link"` |
||||||
|
Description template.HTML `xml:"description"` |
||||||
|
// Optional
|
||||||
|
Content template.HTML `xml:"encoded"` |
||||||
|
PubDate string `xml:"pubDate"` |
||||||
|
Comments string `xml:"comments"` |
||||||
|
} |
||||||
|
|
||||||
|
type SendItems struct { |
||||||
|
ItemList []Item |
||||||
|
} |
||||||
|
|
||||||
|
type ByPubDate []Item |
||||||
|
|
||||||
|
func (a ByPubDate) Len() int { return len(a) } |
||||||
|
func (a ByPubDate) Less(i, j int) bool { |
||||||
|
timeone, _ := time.Parse("Mon, 02 Jan 2006 15:04:05 -0700", a[i].PubDate) |
||||||
|
timetwo, _ := time.Parse("Mon, 02 Jan 2006 15:04:05 -0700", a[j].PubDate) |
||||||
|
return timeone.Unix() > timetwo.Unix() |
||||||
|
} |
||||||
|
func (a ByPubDate) Swap(i, j int) { a[i], a[j] = a[j], a[i] } |
||||||
|
|
||||||
|
func GetRSS(name string, url string) (*Rss2, error) { |
||||||
|
rss := &Rss2{} |
||||||
|
|
||||||
|
var netClient = &http.Client{} |
||||||
|
|
||||||
|
customTransport := &(*http.DefaultTransport.(*http.Transport)) // make shallow copy
|
||||||
|
timeout := time.Duration(240 * time.Second) |
||||||
|
customTransport = &http.Transport{ |
||||||
|
IdleConnTimeout: timeout, |
||||||
|
ResponseHeaderTimeout: timeout, |
||||||
|
DisableKeepAlives: false, |
||||||
|
DisableCompression: false, |
||||||
|
ForceAttemptHTTP2: true, |
||||||
|
TLSClientConfig: &tls.Config{InsecureSkipVerify: true}, |
||||||
|
TLSHandshakeTimeout: timeout, |
||||||
|
MaxIdleConns: 20, |
||||||
|
MaxIdleConnsPerHost: 100, |
||||||
|
MaxConnsPerHost: 100, |
||||||
|
} |
||||||
|
netClient = &http.Client{Transport: customTransport, Timeout: timeout} |
||||||
|
request, err := http.NewRequest("GET", url, nil) |
||||||
|
if err != nil { |
||||||
|
return nil, err |
||||||
|
} |
||||||
|
request.Header.Set("User-Agent", "Mozilla/5.0 (X11; Linux x86_64; rv:97.0) Gecko/20100101 Firefox/97.0") |
||||||
|
|
||||||
|
resp, err := netClient.Do(request) |
||||||
|
if err != nil { |
||||||
|
return nil, err |
||||||
|
} |
||||||
|
|
||||||
|
defer resp.Body.Close() |
||||||
|
|
||||||
|
body, err := io.ReadAll(resp.Body) |
||||||
|
if err != nil { |
||||||
|
return nil, err |
||||||
|
} |
||||||
|
|
||||||
|
// Start RSS decoding from file
|
||||||
|
if err := xml.Unmarshal(body, rss); err != nil { |
||||||
|
return nil, err |
||||||
|
} |
||||||
|
|
||||||
|
return rss, nil |
||||||
|
} |
||||||
|
|
||||||
|
func ProcessRss(rss Rss2, dbpath string, rssname string) (*SendItems, error) { |
||||||
|
var si SendItems |
||||||
|
db, err := bolt.Open(dbpath, 0600, nil) |
||||||
|
if err != nil { |
||||||
|
log.Fatal(err) |
||||||
|
} |
||||||
|
defer db.Close() |
||||||
|
db.Update(func(tx *bolt.Tx) error { |
||||||
|
_, err := tx.CreateBucketIfNotExists([]byte(rssname)) |
||||||
|
if err != nil { |
||||||
|
return err |
||||||
|
} |
||||||
|
return nil |
||||||
|
}) |
||||||
|
|
||||||
|
for _, v := range rss.ItemList { |
||||||
|
db.View(func(tx *bolt.Tx) error { |
||||||
|
// Assume bucket exists and has keys
|
||||||
|
b := tx.Bucket([]byte(rssname)) |
||||||
|
c := b.Cursor() |
||||||
|
flag := false |
||||||
|
for key, _ := c.First(); key != nil; key, _ = c.Next() { |
||||||
|
if v.Link == string(key) { |
||||||
|
flag = true |
||||||
|
break |
||||||
|
} |
||||||
|
} |
||||||
|
if !flag { |
||||||
|
si.ItemList = append(si.ItemList, v) |
||||||
|
} |
||||||
|
return nil |
||||||
|
}) |
||||||
|
} |
||||||
|
|
||||||
|
sort.Sort(ByPubDate(si.ItemList)) |
||||||
|
if len(si.ItemList) > 0 { |
||||||
|
return &si, nil |
||||||
|
} else { |
||||||
|
return nil, nil |
||||||
|
} |
||||||
|
} |
||||||
@ -0,0 +1,145 @@ |
|||||||
|
package main |
||||||
|
|
||||||
|
import ( |
||||||
|
"encoding/json" |
||||||
|
"fmt" |
||||||
|
"log" |
||||||
|
"reflect" |
||||||
|
"strings" |
||||||
|
"time" |
||||||
|
|
||||||
|
"github.com/boltdb/bolt" |
||||||
|
tgbotapi "github.com/go-telegram-bot-api/telegram-bot-api/v5" |
||||||
|
"golang.org/x/net/html" |
||||||
|
) |
||||||
|
|
||||||
|
func in_array(val interface{}, array interface{}) (exists bool) { |
||||||
|
exists = false |
||||||
|
|
||||||
|
switch reflect.TypeOf(array).Kind() { |
||||||
|
case reflect.Slice: |
||||||
|
s := reflect.ValueOf(array) |
||||||
|
|
||||||
|
for i := 0; i < s.Len(); i++ { |
||||||
|
if reflect.DeepEqual(val, s.Index(i).Interface()) == true { |
||||||
|
exists = true |
||||||
|
return |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
|
||||||
|
return |
||||||
|
} |
||||||
|
|
||||||
|
func NormalizeHTMLforTelegram(s string) (out string) { |
||||||
|
|
||||||
|
tags := []string{"br", "img", "b", "strong", "i", "em", "code", "s", "strike", "del", "u", "pre"} |
||||||
|
|
||||||
|
domDocTest := html.NewTokenizer(strings.NewReader(s)) |
||||||
|
previousStartTokenTest := domDocTest.Token() |
||||||
|
flagendtag := false |
||||||
|
for { |
||||||
|
tt := domDocTest.Next() |
||||||
|
if len(out) > 2500 { |
||||||
|
if e := in_array(previousStartTokenTest.Data, tags) && previousStartTokenTest.Data != "img" && previousStartTokenTest.Data != "br" && !flagendtag; e { |
||||||
|
out += fmt.Sprintf("</%s> ...", previousStartTokenTest.Data) |
||||||
|
} else { |
||||||
|
out += " ..." |
||||||
|
} |
||||||
|
return |
||||||
|
} |
||||||
|
switch { |
||||||
|
case tt == html.ErrorToken: |
||||||
|
return |
||||||
|
case tt == html.StartTagToken: |
||||||
|
previousStartTokenTest = domDocTest.Token() |
||||||
|
if e := in_array(previousStartTokenTest.Data, tags); e { |
||||||
|
switch { |
||||||
|
case previousStartTokenTest.Data == "br": |
||||||
|
out += "\n" |
||||||
|
case previousStartTokenTest.Data == "img" && previousStartTokenTest.Attr[0].Key == "src": |
||||||
|
out += fmt.Sprintf("%s ", previousStartTokenTest.Attr[0].Val) |
||||||
|
// case previousStartTokenTest.Data == "a" && previousStartTokenTest.Attr[0].Key == "href":
|
||||||
|
// out += fmt.Sprintf(" %s ", previousStartTokenTest.Attr[0].Val)
|
||||||
|
default: |
||||||
|
out += fmt.Sprintf(" <%s>", previousStartTokenTest.Data) |
||||||
|
} |
||||||
|
flagendtag = false |
||||||
|
} |
||||||
|
case tt == html.EndTagToken: |
||||||
|
t := domDocTest.Token() |
||||||
|
if e := in_array(t.Data, tags); e { |
||||||
|
// switch {
|
||||||
|
// case t.Data == "a":
|
||||||
|
// out += " "
|
||||||
|
// default:
|
||||||
|
out += fmt.Sprintf("</%s> ", t.Data) |
||||||
|
// }
|
||||||
|
flagendtag = true |
||||||
|
} |
||||||
|
case tt == html.SelfClosingTagToken: |
||||||
|
t := domDocTest.Token() |
||||||
|
if e := in_array(t.Data, tags); e { |
||||||
|
if t.Data == "br" { |
||||||
|
out += "\n" |
||||||
|
} |
||||||
|
} |
||||||
|
case tt == html.TextToken: |
||||||
|
if previousStartTokenTest.Data == "script" { |
||||||
|
continue |
||||||
|
} |
||||||
|
TxtContent := strings.TrimSpace(html.UnescapeString(string(domDocTest.Text()))) |
||||||
|
if len(TxtContent) > 0 { |
||||||
|
out += TxtContent |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
} |
||||||
|
|
||||||
|
func SendAndWriteToDB(send SendItems, dbpath string, rssname string, token string, chatid int64, debug bool) error { |
||||||
|
|
||||||
|
db, err := bolt.Open(dbpath, 0600, nil) |
||||||
|
if err != nil { |
||||||
|
log.Fatal(err) |
||||||
|
} |
||||||
|
defer db.Close() |
||||||
|
|
||||||
|
for i := len(send.ItemList) - 1; i >= 0; i-- { |
||||||
|
v := send.ItemList[i] |
||||||
|
log.Printf("Send to telegram post: %s", v.Title) |
||||||
|
bot, err := tgbotapi.NewBotAPI(token) |
||||||
|
if err != nil { |
||||||
|
log.Panic(err) |
||||||
|
} |
||||||
|
bot.Debug = debug |
||||||
|
|
||||||
|
s := "<i>" + rssname + "</i>\n\n" + "<b>" + string(v.Title) + "</b>\n\n" + NormalizeHTMLforTelegram(html.UnescapeString(string(v.Description))) + |
||||||
|
"\n\n" + v.Link |
||||||
|
msg := tgbotapi.NewMessage(chatid, s) |
||||||
|
msg.ParseMode = "Html" |
||||||
|
_, err = bot.Send(msg) |
||||||
|
if err != nil { |
||||||
|
log.Panic(err) |
||||||
|
|
||||||
|
} |
||||||
|
duration := time.Duration(10) * time.Second |
||||||
|
time.Sleep(duration) |
||||||
|
|
||||||
|
db.Update(func(tx *bolt.Tx) error { |
||||||
|
b, err := tx.CreateBucketIfNotExists([]byte(rssname)) |
||||||
|
if err != nil { |
||||||
|
return err |
||||||
|
} |
||||||
|
encoded, err := json.Marshal(v) |
||||||
|
if err != nil { |
||||||
|
return err |
||||||
|
} |
||||||
|
err = b.Put([]byte(v.Link), encoded) |
||||||
|
if err != nil { |
||||||
|
return err |
||||||
|
} |
||||||
|
return nil |
||||||
|
}) |
||||||
|
} |
||||||
|
return nil |
||||||
|
} |
||||||
Loading…
Reference in new issue