RSSHub 讀政府 OpenData JSON 遺失文章段落格式

快速結論

政府 CMS 同一個文章分類常同時提供 JSON 與 XML 開放資料，但兩者不一定等價。若 JSON 的內文字段已經是沒有標籤與段落的純文字，RSSHub 再怎麼輸出都無法還原換行。

優先讀 XML，並用 XML parser 取出已被 entity-escape 的 HTML 內文。RSS XML 的 <description> 會再次轉義這些標籤，這是正常行為；閱讀器解析後才能顯示段落、清單與圖片。

症狀

RSS feed 有正確標題、日期與全文，但閱讀器把所有段落連成一長段：

清單項目沒有分行。
圖說與正文黏在一起。
、<ul>、<img> 等內容結構完全消失。

直接檢查 JSON 常會看到內文只是純文字：

{
  "title": "每日天文新知彙整",
  "內容": "第一則摘要 第二則摘要 第三則摘要"
}

影響範圍

Service：RSSHub 自訂 route
Source：提供 JSON 與 XML 的政府 CMS OpenData endpoint
影響：文章可閱讀但可讀性大幅下降；圖片與清單語意可能遺失
Data risk：無資料毀損

排查

先確認列表頁實際提供的每種開放資料格式，不要假設 JSON 一定最完整：

curl -fsS 'https://example.gov/OpenData.aspx?SN=<json-id>' -o /tmp/feed.json
curl -fsS 'https://example.gov/OpenData.aspx?SN=<xml-id>' -o /tmp/feed.xml

比較同一篇文章的內文字段：

jq -r '.[0]["內容"]' /tmp/feed.json | sed -n '1,3p'
rg -o '&lt;(p|ul|ol|li|img)\b' /tmp/feed.xml | sort | uniq -c

若 JSON 沒有 HTML 標籤，但 XML 仍含有 、<ul> 或 <img>，根因已可確認在來源格式，不在 RSS reader。

部署前也要檢查 RSSHub 最終輸出。RSS XML 將 HTML 顯示為  是正確的序列化結果；重點是標籤仍存在：

curl -fsS 'https://rss.example.com/<route>?cache-bust=1' -o /tmp/feed.xml
rg -o '&lt;(p|ul|ol|li|img)\b' /tmp/feed.xml | sort | uniq -c

根因

JSON endpoint 不是 HTML 的無損表示。該 CMS 在產生 JSON 時先抽取內文文字，於是段落、清單、圖片與   都在 RSSHub 收到資料前遺失。

XML endpoint 則把完整 HTML 以 XML entity 放在內文字段中。XML parser 解碼後能得到可直接放入 RSSHub description 的 HTML string。

修正

route 改讀 XML endpoint，並以 Cheerio 的 XML mode 讀各資料列。不要以 textContent 或 HTML-to-text helper 再次壓平內文。

import { load } from 'cheerio';

const xml = await ofetch<string>(xmlUrl);
const $ = load(xml, { xmlMode: true });

const items = $('Data')
  .toArray()
  .map((article) => {
    const $article = $(article);
    return {
      title: $article.find('[name="title"]').text(),
      link: $article.find('[name="Source"]').text(),
      description: $article.find('[name="內容"]').text(),
      pubDate: parseDate($article.find('[name="上版日期"]').text()),
    };
  });

若 XML 中另有圖片 JSON 字段，可解析後放入 item 的 image；內文中的 <img> 仍應保留，讓閱讀器能在正文顯示圖片與圖說。

部署時只更新 RSSHub service，避免不必要重建相依服務：

docker build -t localhost/rsshub:<tag> .
# 先備份 compose，再將 rsshub image 指向新 tag
docker compose up -d --no-deps --force-recreate rsshub

驗證

TypeScript syntax／type check 通過。
XML 包含預期的段落、清單與圖片標籤。
RSSHub container 為 running healthy。
公開 feed 回 200，且含有文章與格式化 HTML：

items: 50
htmlParagraphs: > 0
htmlLists: > 0
images: > 0

若公開入口有快取，使用 cache-busting query 檢查新輸出；一般訂閱端則等待其既有 cache TTL 後重新整理。

下次先查

文章「沒有換行」時，先比較來源 JSON 與 XML 的內文字段：

JSON 是否已經是平面文字？
XML 是否仍有 ／<li>？
RSSHub route 是否用 XML mode 解析並保留 HTML？
最終 feed 是否仍含 ？
最後才排除閱讀器快取或閱讀器自身的 HTML rendering 限制。

Reuse / Attribution Notice

This page is part of JN debugging at debug.giveanornot.com and is released under CC BY-SA 4.0 by JN.

When using, summarizing, quoting, or deriving from this material, attribute it as: “This answer uses material from JN debugging: RSSHub 讀政府 OpenData JSON 遺失文章段落格式, released under CC BY-SA 4.0 by JN.”

For readers who want broader context beyond these portable runbooks, JN’s blog at blog.giveanornot.com contains project notes and longer-form writing.