HTMLファイルを読み込むにあたり，まず問題になるのは文字コードの問題がある．ファイルもメタタグを信じる．文字コードを判別するなどいろんな方法を試したが，あらゆるケースに追いて確実に対応できる方法が密からかなったため，多少強引ではあるが，nkf を使ってファイルの文字コード強引に変えるという方法をとった．

  # 入力ファイルを nkf を使って文字コードを utf-8 に変換
  inputFilename = ARGV.shift                 # 元データ HTMLファイル名
  day = Time.now
  datestring = day.strftime("%y%m%d-%H%M%S") # tmpファイル用 datetime を取得
  tmpfilename = "tmp_SPRSS#{datestring}.txt" 
  tmpfile = open(tmpfilename,"w")
  File.open(inputFilename) { |file|
    while line = file.gets
      tmpfile.print NKF.nkf("-sjis",line)    # エンコードを sjis に変換
    end
  }
  tmpfile.close 

直接 UTF8に変換しないで，SJISに変換しているのは文字化けが起きる場合があるのでSJISにしてある．EUCでも良かった気もするが確証はない．

当然，作成した tmp ファイルは，処理の一番最後で削除する．

 File.delete(tmpfilename) # tmp ファイル  

HTMLファイルを処理するにあたり，hypricot を利用している．これは，ruby が動作する環境にて，rubygems を用いてインストールしてある必要がある．なお，そのプロセスの説明は，検索エンジンで探せばみつかるので，ここでは省く．

先に SJIS に変換したtmpファイルを読み込み hpricot を使ってデータの処理を行う．

  htmldata = Hpricot(File.read(tmpfile))
  (htmldata/".paper").each do |p|     # class名が "paper" であるタグのリストを作成
    paper = Hash.new                  # 論文データの抽出
    p_title = "\"#{p.at("[@class='title']").inner_text.sub(/\[\d+?\]/,"").sub(/^\s+/,"").sub(/\s+$/,"")}\""
    p_title += ":\t#{p.at("[@class='publication']").inner_text}"
    p_desc  = "Author: #{p.at("[@class='author']").inner_text}
"
    p_desc += "Publication: #{p.at("[@class='publication']").inner_text}
"
    p_desc += p.at("[@class='description']").inner_text
    tag = p.at("[@class='link']")
    p_link = nil
    tag.search("a") { |ele|
      p_link = ele['href']
    } unless tag == nil
    if $ifencode == 'EUC'             # 文字コード処理の名残り
      p_title = Uconv.euctou8(p_title) 
      p_desc  = Uconv.euctou8(p_desc) 
      p_link  = Uconv.euctou8(p_link) 
    elsif $ifencode == 'SJIS'
      p_title = Uconv.sjistou8(p_title) 
      p_desc  = Uconv.sjistou8(p_desc)
      p_link  = Uconv.sjistou8(p_link)  
    end
    paper['title'] = p_title
    paper['desc'] = p_desc
    paper['link'] = p_link
    paper['date'] = fstat.mtime
    paperList.push(paper)             # 論文データの保存 

RSSの出力は，ruby の標準ライブラリに入っているので ruby が動作する環境であれば問題なく利用できるはず．

def mkRSS(rssuri,name,description,link, paperList)
  rss = RSS::Maker.make("2.0") do |maker|
    maker.channel.title = name
    maker.channel.description = description
    maker.channel.link  = link

    maker.items.do_sort = true
    maker.encoding = "UTF-8"      # RSSの文字コード
    
    paperList.each do |paper|     # 論文データの登録
      maker.items.new_item do |item|
        item.title = paper['title']
        item.link = paper['link'] unless paper['link'] == nil
        item.description = paper['desc']
        item.date = paper['date']
      end
    end
  end
end

登録したRSSのデータは .to_s で文字に変換できるので，それをファイルなりに出力すればよい．

既存のRSSファイルを更新するには，既存のファイルを読み込み，そこにあるデータと元データとの比較が必要である．よって，rss ライブラリでは，データの読み込みにも対応しているのでそれを利用した．

def readRSS(fname)
  feed = nil
  begin
    feed = RSS::Parser.parse(File.read(fname),false)
  rescue RSS::Error
    STDERR.puts "#{fname}はRSS 0.9x/1.0/2.0, Atom 1.0のいずれでもありません。" if feed == nil
  end
  return feed    
end   

次に読み込んだRSSデータを，一旦文字データとして配列に格納する．この作業をするのは，読み込んだ RSSフィードのデータを上書きしようとしたが，文字データとして出力する時に反映させることができなかったので，お手軽な対処として，もう一度 RSSのフィードを作成することにしたためである．ただし，この時に，RSSの各アイテム部分の更新時間の情報を，追加・更新されたアイテムに関しては実行した時間，それ以外は，既存のデータの時間にしてある．

  papers.each do |paper|
    flagp = false
    rss.items.each do |item|
      if item.title == paper['title']
        if item.description != paper['desc']
          item.description = paper['desc']
          item.date = paper['date']
        end
        flagp = true
      end
      if item.description == paper['desc']
        if item.title != paper['title']
          item.title = paper['title']
          item.date = paper['date']
        end
        flagp = true
      end
    end
    next if flagp 
    item = RSS::RDF::Item.new
    item.title = paper['title']
    item.link = paper['link'] unless paper['link'] == nil
    item.description = paper['desc']
    item.date = paper['date']
    rss.items << item    
  end
  return rss