HTML2RSS

Description

HTML2RSS transforme n'importe quelle page HTML en flux RSS en décrivant les sélecteurs CSS à utiliser pour extraire les items (titre, lien, description, date, image). C'est le "RSS as code" : déclaratif, versionnable, testable.

Différence vs RSSHub : HTML2RSS = générique (config libre), RSSHub = catalogue de routes (maintenu par la communauté). HTML2RSS convient pour des sites de niche que RSSHub ne couvre pas.

Pour qui : développeurs qui veulent scraper un site précis avec un simple fichier YAML, et le maintenir dans Git.

Installation

Docker Compose

version: '3.8'
services:
  html2rss:
    image: html2rss/web:latest
    container_name: html2rss
    restart: unless-stopped
    environment:
      - HTML2RSS_CONFIG_DIR=/config
    volumes:
      - ./config:/config
    labels:
      - "traefik.enable=true"
      - "traefik.http.routers.html2rss.rule=Host(`rss.example.com`)"
      - "traefik.http.routers.html2rss.entrypoints=websecure"
      - "traefik.http.routers.html2rss.tls.certresolver=letsencrypt"

Exemple de configuration (feeds.yml)

example_blog:
  url: https://example.com/blog
  channels:
    - title: "Blog Example"
      url: https://example.com/blog
      items:
        selector: "article.post"
        title: "h2"
        link:
          selector: "a"
          attribute: href
        description: ".excerpt"
        time: "time[datetime]"
        time_format: "%Y-%m-%dT%H:%M:%S%z"

Alternatives

Open Source

• [[app-rsshub]] — Catalogue de routes
• [[app-rss-bridge]] — Bridges PHP
• FeedMe/Feedjira — Libraries Ruby

Propriétaires

• RSS.app — Service visuel
• Feed43 — Custom feeds visuels
• Distill.io — Monitor + export RSS

Sécurité

• Sélénium : optionnel, désactivé par défaut
• HTTP cache : ETag, Last-Modified respectés
• Auth basic : support du Authorization header
• Rate-limit : interne (par feed configurable)

Ressources

• Documentation
• GitHub
• Exemples