如何获取排除指定用户的维基百科近期更改ATOM feed并解决Unicode过滤问题

• 原有命令失效核心原因：1. ATOM feed自带http://www.w3.org/2005/Atom默认命名空间，无命名空间的xpath匹配规则对Unicode字符解析存在适配问题；2. 匿名编辑条目没有author/name节点，原有shell字段分割逻辑会因为字段缺失错位。

方案一：修正后shell命令（适配Unicode+解决匿名条目异常） #

# 替换t1、t2为你要排除的用户名，可按需增删变量
t1='Aditya tamhankar'
t2='संतोष गोरे'
# 过滤并输出完整entry节点，避免字段拆分异常
(
echo 'setns atom=http://www.w3.org/2005/Atom'
echo "cat /atom:feed/atom:entry[not(atom:author/atom:name = '$t1' or atom:author/atom:name = '$t2')]"
) | xmllint --shell out.txt | sed '1,/\/ > /d;$d' > filtered_feed.xml

验证过滤效果命令：

# 检查是否还有要排除的用户
xmllint --xpath "//*[name()='author']/*[name()='name']/text()" filtered_feed.xml | grep -E 'Aditya tamhankar|संतोष गोरे'

方案二：Python脚本方案（最稳定，无编码/命名空间坑） #

不需要处理shell转义和编码问题，适配所有字符集用户名：

import xml.etree.ElementTree as ET

# 配置：要排除的用户名列表，可随意增删
BLOCKED_USERS = {"Aditya tamhankar", "संतोष गोरे"}
# ATOM命名空间
NS = {"atom": "http://www.w3.org/2005/Atom"}

# 解析feed文件
tree = ET.parse("out.txt")
root = tree.getroot()

# 遍历所有entry，删除匹配屏蔽用户的节点
for entry in root.findall("atom:entry", NS):
    author_elem = entry.find("atom:author/atom:name", NS)
    # 匿名编辑无作者名，保留；匹配屏蔽列表的删除
    if author_elem is not None and author_elem.text in BLOCKED_USERS:
        root.remove(entry)

# 输出过滤后的完整feed
tree.write("filtered_feed.xml", encoding="utf-8", xml_declaration=True)

运行方法：保存为filter_feed.py，和out.txt放在同一目录，执行python3 filter_feed.py即可得到过滤后的filtered_feed.xml。

内容的提问来源于stack exchange，提问作者shantanuo