Qiita Advent Calendar の RSS を読む

この記事は、ラクス Advent Calendar 2021 の7日目に投稿した記事「Qiita Advent Calendar の RSS を読む」の続編です。

昨年から自作のアドベントカレンダー新着お知らせボットである「アドベントカレンダーくろーるくん」を社内で運用しており、これの作成のためにアドベントカレンダーのRSSの仕様を調べていました。今年になってまた動かそうとしたとき「シリーズ」について調査をし忘れていることに気づき、追加調査をしました。

シリーズの概念自体は昨年から存在していましたが、昨年のラクス Advent Calendarはシリーズ1で収まっていました。しかし今年はラクス Advent Calendarでも「シリーズ2」が作成され、そこでようやく調査の見落としに気づいた次第です。

調査の目的は、くろーるくんで新着記事の通知をするとき、どのシリーズの新着記事なのかわかるようにしたい、というものです。目標として以下を明らかにすることとしました。

なお調査方法は実際のRSSを見ることによって行いました。対象としたのは主に「ラクス Advent Calendar 2022」自体のRSSですが、比較のために他にも2, 3のカレンダーのRSSを確認しました。

調査結果

RSSにシリーズの情報は含まれないようだと分かりました。ただ記事のentry自体はすべてのシリーズのものが含まれるようです。つまり、

考えてみれば、新着通知の用途であれば別にシリーズの区別は不要かもしれません。

シリーズの仕様の他に、どうも今年から仕様が変わったっぽいところがありました。

いつごろからかわかりませんが、昨年以前のRSSにはアクセスできなくなっていました。

カレンダーのアーカイブから以前のカレンダーを見てみると、RSSのボタンも削除されていました。またRSSのURLに直接アクセスすると404 Not Foundが返って来るようになってました。

これによってシリーズについての追加調査が12月に入るまで出来なかったのですが、それはまあ、仕方のないことです。

Qiitaに直接投稿された記事の場合、entry要素のcontent要素には記事本文が入ります。

以前はHtmlタグなどは取り除かれたテキストのみの形式で全文が入っていました。今年からは、形式には変更はないですが、記事が100文字以上ある場合100文字目が「…」になり、それ以降は省略されるようになったようです。

外部のブログサービスなどに投稿された記事の場合、entry要素のcontent要素には「External Link」という固定の文字列が入ります。

以前は本当にその文字列だけだったと思います。今年からはエスケープされているもののHtmlのspanタグで固定文字列が囲まれた形式になりました。

また以前は接続元の言語設定によって（？）、固定の文字列も「外部記事です」と「External Link」とが切り替わっていたと思うのですが、それもなくなったようです。

ちなみにcontent要素のtype属性はQiita記事はhtmlで外部記事はtextです。これ自体は以前からそうだった気がしますが、設定値、逆ではないかと……。

仕様変更かどうか分からないですが、初日（12/1）にRSSを取得したときは独特な挙動をしていたのでメモしておきます。

まず12/1のRSSはカレンダーによって記事投稿の結果が反映されるまでの時間に差がありました。どれくらいの時間差があったかはあいにくと記録し損ねましたが、朝10時くらいには反映済みのカレンダーがある一方、午後15時くらいまで反映されないカレンダーもありました。

初日の記事がQiita記事か外部記事かの違いによるものかとも思いましたが、どうもそういうわけでもないようでした。反映処理の順番待ちとかそういうのなのでしょうか。

また、反映前は、

反映後は、

というようにRSSの内容自体にも反映前後で差異があるようです。

Qiita Advent Calendar ごとに配信されている RSS フィードの中身を確認し、その仕様について調査しました。

こういうのってサポートに問い合わせるなどしたら仕様を教えてくれたりするのかもしれませんが、実物を見て調べればいいかと思い問い合わせまではしていません。

この調査結果を受けてアドベントカレンダーくろーるくんの機能にも修正が必要そうです。シリーズについてはともかくとして、RSSから記事全文が取れなくなったのは痛手です。ほんとこれどうしよう……。