RSSフィードからJSON Schemaを推論する

RSSフィードのスキーマ推論

RSS（Really Simple Syndication）はWeb上で最も一般的なXMLフォーマットの1つです。RSSをJSON Schemaに変換することは、フィードリーダー、アグリゲーター、コンテンツパイプラインの構築に有用です。

RSS 2.0フィードの例

<rss version="2.0">
  <channel>
    <title>Tech Blog</title>
    <link>https://example.com</link>
    <description>Latest tech articles</description>
    <language>en-us</language>
    <lastBuildDate>Mon, 01 Jan 2024 00:00:00 GMT</lastBuildDate>
    <item>
      <title>Getting Started with TypeScript</title>
      <link>https://example.com/typescript</link>
      <description>A beginner guide to TypeScript</description>
      <pubDate>Mon, 01 Jan 2024 00:00:00 GMT</pubDate>
      <guid>https://example.com/typescript</guid>
      <category>Programming</category>
    </item>
    <item>
      <title>Understanding JSON Schema</title>
      <link>https://example.com/json-schema</link>
      <description>Deep dive into JSON Schema</description>
      <pubDate>Tue, 02 Jan 2024 00:00:00 GMT</pubDate>
      <guid>https://example.com/json-schema</guid>
      <category>Data</category>
    </item>
  </channel>
</rss>

スキーマの主要な特徴

1. ルート属性: <rss>のversion属性が@versionになる
2. チャンネルオブジェクト: メタデータフィールドとアイテム配列を含む
3. アイテム配列: 複数の<item>要素が配列として検出される
4. マージされたアイテムスキーマ: すべてのアイテムフィールドが単一のアイテム型にまとめられる
5. すべて文字列: RSSの日付とURLは文字列（JSON Schemaに特別な日付/URL型はない）

チャンネルとアイテムの構造

スキーマはチャンネルレベルのメタデータ（title、link、description、language）とアイテムレベルのプロパティを明確に分離します。この区別はフィード処理アプリケーションにとって重要です。

スキーマの拡張

生成されたスキーマは堅固な基盤を提供します。本番使用では以下を追加できます：

• linkとguidプロパティにformat: "uri"を追加
• pubDateとlastBuildDateにformat: "date-time"を追加
• 既知のカテゴリにenum値を追加
• 特定のフィールドをrequiredとしてマーク（titleとlinkは通常RSSで必須）

Atomフィード

同じアプローチはAtomフィードでも機能しますが、構造が異なります。Atomはより多くの属性を使用し（例：<link rel="alternate" href="..."/>）、異なる要素名を持ちます。