Ragnarok Studio

今天在FriendFeed上看到有人贴了来自IMDb.cn的北美票房排行榜之类的feed（这里，还有这里），顺手找了找了原版IMDb.com的相关材料，在这个页面提供了每周更新的几个统计表——地球人都知道IMDb.com并不提供RSS feeds，但这并不是说热爱Google Reader的我们就没招了，哼哼，我们正好玩玩强大滴mashup——看看下面这个页面，我们的目标就是把红框那个区域挖出来，然后做成一个RSS feed：

对这个页面的源码稍微研究一下就知道，这不是一个很容易下手的页面，所以我们需要想办法先做个数据抽取的工作——我们有现成的、免费的工具，Google Docs的Spreadsheet是做这事的最好帮手。初始化一个spreadsheet，在任何格子填入：

=ImportHtml("http://www.imdb.com/chart/", "table", 12)

ImportHtml 是Google Spreadsheet最有价值的函数，它的第一个参数是个页面，第二个参数是你要找的tag名，第三个参数是这种tag的元素中你需要的那个的序号。上面这个式子会打开我们那个目标页面，把第13个 table 节点拿出来，然后用其中的数据填充spreadsheet的格子。回车，效果如下：

然后将其发布出来，以便通过URL直接访问，一般这种发布出来的URL是这个样子：

http://spreadsheets.google.com/pub?key=p3bVvdNBE8zMcYFRqirc8fg

我们可以看到，这里不知道为啥，有些格子对错了，但是不要紧，我们只要那些有数据的格子。现在给这个URL增加几个后缀：

http://...p3bVvdNBE8zMcYFRqirc8fg&gid=0&output=csv&range=C3:E12

gid 参数指定输出表格第一页（我们一共就一页）；output 参数指定输出 csv 格式（方便后面使用）；range 参数指定输出的数据区域。试试这个新的URL输出的数据是不是正确——OK，数据准备完毕，下面是mashup。

打开Yahoo Pipes，新建一个pipe，用 Fetch CSV 工具来拿到上面我们准备的数据，然后用 Loop 和 String Builder 工具把这些串成一个我们设计的字符串格式：

再用一个 Yahoo Search 工具，通过电影名字找到IMDb.com链接以及简单的描述，把这些内容分别命名为 title、link 和 description，这样生成的内容可以被任何RSS reader正确的解析。

大功告成，现在我们可以看下成品，或者直接订阅RSS格式的输出。

就这么简单的几个步骤，很明显，这套玩意儿是通用的，基本上任何页面的任何数据都可以这么干，而以关键字（这个例子中是影片名称）为中心很容易玩出很多其他的花样，有兴趣的自己去玩吧。Mashup and enjoy it!

This entry was posted on Wednesday, November 12th, 2008 at 12:38 am and is filed under Programming. You can follow any responses to this entry through the RSS 2.0 feed. You can leave a response, or trackback from your own site.