FreshRSS中处理HTML+XPath抓取时的Unix时间戳问题解析

在FreshRSS项目中，当用户通过HTML+XPath方式从网站抓取内容创建自定义RSS源时，经常会遇到日期格式处理的问题。特别是当目标网站使用Unix时间戳而非标准日期格式时，会导致文章排序异常。

问题背景

FreshRSS默认要求日期格式必须兼容PHP的strtotime()函数。然而许多现代网站（如AP News）在前端展示文章列表时，会直接使用Unix时间戳（或毫秒级时间戳）作为发布时间标识。这会导致两个主要问题：

1. 抓取的文章无法正确识别发布时间
2. 新获取的文章会按照抓取时间而非实际发布时间排序

技术解决方案

FreshRSS实际上已经内置了对Unix时间戳的支持，只需在日期格式字段中指定U作为格式标识符即可。这是PHP中专门用于处理Unix时间戳的日期格式符号。

对于AP News这类使用毫秒级时间戳的特殊情况，可以通过XPath的字符串处理函数进行转换：

substring(descendant::timestamp/@value, 1, string-length(descendant::timestamp/@value)-3)

这段XPath表达式会截取时间戳字符串的前n-3位，将毫秒级时间戳转换为标准的Unix时间戳（秒级）。

实现原理

当FreshRSS检测到日期格式指定为U时，会：

1. 将获取到的值作为整数处理
2. 直接将该整数作为Unix时间戳创建DateTime对象
3. 用于文章排序和显示

注意事项

1. 确保XPath选择器能准确获取到时间戳值
2. 对于异常值（非数字内容），系统可能返回1970年等默认日期
3. 毫秒级时间戳必须转换为秒级才能被正确识别
4. 建议先在XPath测试工具中验证表达式结果

最佳实践

对于时间戳处理，推荐采用以下工作流程：

1. 使用浏览器开发者工具定位时间戳元素
2. 编写XPath表达式提取原始值
3. 必要时添加字符串处理函数
4. 在FreshRSS中设置格式为U
5. 进行测试抓取验证结果

通过这种方式，可以确保从各种使用时间戳的网站正确获取文章发布时间，维持Feed的合理排序。