Luận Văn Thạc Sĩ Về Kỹ Thuật Phân Tích và Lấy Tin Tự Động Từ Website

Khám phá luận văn thạc sĩ VNU UET về các kỹ thuật phân tích và lấy tin tự động từ website, ứng dụng trong nghiên cứu và phát triển công nghệ.

• Tác giả: Trần Hữu Dự
• Người hướng dẫn: TS. Tô Văn Khánh
• Trường học: Đại học Quốc gia Hà Nội - Trường Đại học Công nghệ
• Chuyên ngành: Công nghệ Thông tin
• Đề tài: Kỹ Thuật Phân Tích và Lấy Tin Tự Động Từ Website
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2016
• Địa điểm: Hà Nội

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: GIỚI THIỆU
• 1.1. Nhu cầu cập nhật tin tức của ngƣời dùng
• 1.2. Ứng dụng của đọc tin tự động
• 2. CHƯƠNG 2: CÁC KỸ THUẬT PHÂN TÍCH VÀ LẤY TIN TỰ ĐỘNG
• 2.1. Giới thiệu ngôn ngữ mở rộng đánh dấu XML
• 2.2. Giới thiệu Kỹ thuật RSS
• 2.3. Phƣơng pháp Interface DOM phân tích RSS 2
• 2.4. Phƣơng pháp Interface SAX phân tích RSS 2
• 2.5. Phân tích nội dung XML trong Android sử dụng XmlPullParser
• 3. CHƯƠNG 3: KỸ THUẬT PHÂN TÍCH WEBSITE VỚI JSOUP
• 3.1. Định nghĩa Jsoup
• 3.2. Thành phần của Jsoup API
• 3.3. Các phƣơng thức DOM
• 3.4. Các phƣơng thức giống Css, jQuery
• 4. CHƯƠNG 4: XÂY DỰNG VÀ PHÁT TRIỂN ỨNG DỤNG TỰ ĐỘNG CẬP NHẬT TIN TỨC
• 4.1. Một số ứng dụng hỗ trợ đọc tin tức từ file RSS hiện có
• 4.2. Phân tích thiết kế hệ thống đọc tin tự động từ website
• 4.3. Các chức năng cơ bản của ứng dụng
• 4.4. Kết quả thực nghiệm và nhận xét
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Tổng quan về Kỹ Thuật Phân Tích và Lấy Tin Tự Động Từ Website

Kỹ thuật phân tích và lấy tin tự động từ website là một lĩnh vực quan trọng trong công nghệ thông tin. Nó cho phép thu thập dữ liệu từ nhiều nguồn khác nhau một cách nhanh chóng và hiệu quả. Việc sử dụng các công nghệ như web scraping và API giúp tối ưu hóa quá trình này. Các ứng dụng của kỹ thuật này rất đa dạng, từ việc thu thập dữ liệu cho nghiên cứu đến việc theo dõi tin tức mới nhất.

1.1. Định nghĩa và vai trò của web scraping

Web scraping là quá trình tự động thu thập dữ liệu từ các trang web. Nó giúp tiết kiệm thời gian và công sức cho người dùng khi cần thông tin từ nhiều nguồn khác nhau. Công nghệ này ngày càng trở nên phổ biến trong các lĩnh vực như marketing, nghiên cứu thị trường và phân tích dữ liệu.

1.2. Lợi ích của việc tự động hóa trong thu thập dữ liệu

Tự động hóa trong thu thập dữ liệu giúp giảm thiểu sai sót và tăng tốc độ xử lý thông tin. Người dùng có thể nhận được dữ liệu mới nhất mà không cần phải kiểm tra từng trang web một cách thủ công. Điều này không chỉ tiết kiệm thời gian mà còn nâng cao hiệu quả công việc.

II. Những Thách Thức Trong Kỹ Thuật Phân Tích Dữ Liệu Từ Website

Mặc dù có nhiều lợi ích, nhưng việc phân tích và lấy tin tự động từ website cũng gặp phải nhiều thách thức. Các vấn đề như cấu trúc dữ liệu không đồng nhất, việc bảo vệ dữ liệu và các quy định pháp lý là những yếu tố cần được xem xét. Ngoài ra, không phải tất cả các website đều hỗ trợ RSS hoặc API, điều này làm cho việc thu thập dữ liệu trở nên khó khăn hơn.

2.1. Cấu trúc dữ liệu không đồng nhất

Mỗi website có thể có cấu trúc dữ liệu khác nhau, điều này gây khó khăn cho việc thu thập và phân tích dữ liệu. Các công cụ cần phải được tùy chỉnh để phù hợp với từng loại website, điều này có thể tốn thời gian và công sức.

2.2. Quy định pháp lý và bảo vệ dữ liệu

Việc thu thập dữ liệu từ các website cần tuân thủ các quy định pháp lý về bảo vệ dữ liệu. Người dùng cần phải đảm bảo rằng họ không vi phạm quyền riêng tư của người khác khi thực hiện các hoạt động này.

III. Phương Pháp Phân Tích Dữ Liệu Từ Website Hiệu Quả

Có nhiều phương pháp để phân tích dữ liệu từ website, bao gồm sử dụng API, web scraping và các công cụ phân tích dữ liệu. Mỗi phương pháp có những ưu điểm và nhược điểm riêng, và việc lựa chọn phương pháp phù hợp là rất quan trọng để đạt được kết quả tốt nhất.

3.1. Sử dụng API để lấy dữ liệu

API cho phép người dùng truy cập dữ liệu một cách có cấu trúc và dễ dàng. Việc sử dụng API giúp giảm thiểu thời gian và công sức so với việc thu thập dữ liệu từ các trang web một cách thủ công.

3.2. Web scraping với các công cụ hiện đại

Các công cụ web scraping như Beautiful Soup và Scrapy giúp người dùng dễ dàng thu thập dữ liệu từ các trang web. Những công cụ này cung cấp các tính năng mạnh mẽ để xử lý và phân tích dữ liệu một cách hiệu quả.

IV. Ứng Dụng Thực Tiễn Của Kỹ Thuật Phân Tích Dữ Liệu

Kỹ thuật phân tích và lấy tin tự động từ website có nhiều ứng dụng thực tiễn trong các lĩnh vực khác nhau. Từ việc theo dõi tin tức, phân tích thị trường đến nghiên cứu học thuật, kỹ thuật này đã chứng minh được giá trị của nó trong việc cung cấp thông tin kịp thời và chính xác.

4.1. Theo dõi tin tức và thông tin thị trường

Nhiều doanh nghiệp sử dụng kỹ thuật này để theo dõi tin tức và thông tin thị trường. Việc thu thập dữ liệu từ các nguồn khác nhau giúp họ đưa ra quyết định kinh doanh chính xác hơn.

4.2. Nghiên cứu học thuật và phân tích dữ liệu

Trong lĩnh vực học thuật, việc thu thập dữ liệu từ các nghiên cứu và bài báo trực tuyến giúp các nhà nghiên cứu có được thông tin cần thiết để phát triển các lý thuyết và mô hình mới.

V. Kết Luận và Tương Lai Của Kỹ Thuật Phân Tích Dữ Liệu

Kỹ thuật phân tích và lấy tin tự động từ website đang ngày càng phát triển và trở thành một phần không thể thiếu trong công nghệ thông tin. Tương lai của lĩnh vực này hứa hẹn sẽ có nhiều cải tiến và ứng dụng mới, giúp nâng cao hiệu quả trong việc thu thập và phân tích dữ liệu.

5.1. Xu hướng phát triển công nghệ

Công nghệ sẽ tiếp tục phát triển, mang đến nhiều công cụ và phương pháp mới cho việc phân tích dữ liệu. Điều này sẽ giúp người dùng dễ dàng hơn trong việc thu thập và xử lý thông tin.

5.2. Tác động đến các lĩnh vực khác nhau

Kỹ thuật này sẽ có tác động lớn đến nhiều lĩnh vực, từ kinh doanh đến giáo dục, giúp cải thiện quy trình làm việc và nâng cao chất lượng thông tin.

Nội dung chính

## Tổng quan nghiên cứu

Trong bối cảnh phát triển mạnh mẽ của Internet và công nghệ thông tin, nhu cầu cập nhật tin tức nhanh chóng và chính xác ngày càng trở nên cấp thiết. Theo ước tính, hàng triệu người dùng truy cập các trang web tin tức, mạng xã hội và các nguồn thông tin khác mỗi ngày để nắm bắt các sự kiện mới nhất. Tuy nhiên, việc theo dõi thủ công từng trang web để cập nhật tin tức là rất tốn thời gian và không hiệu quả. Vấn đề này đặt ra yêu cầu nghiên cứu các kỹ thuật phân tích và lấy tin tự động từ website nhằm hỗ trợ người dùng tiếp cận thông tin một cách nhanh chóng và tiện lợi.

Mục tiêu chính của luận văn là nghiên cứu tổng thể các kỹ thuật phân tích và lấy tin tự động từ website, đặc biệt là từ các file RSS, để xây dựng một ứng dụng chạy trên thiết bị di động có khả năng tự động cập nhật và thông báo tin tức mới cho người dùng. Phạm vi nghiên cứu tập trung vào công nghệ phân tích XML, RSS 2.0, các phương pháp phân tích DOM, SAX, XmlPullParser và kỹ thuật phân tích website với thư viện Jsoup. Nghiên cứu được thực hiện tại Việt Nam trong giai đoạn 2015-2016, với ứng dụng thử nghiệm trên nền tảng Android.

Ý nghĩa của nghiên cứu thể hiện qua việc giúp tiết kiệm thời gian cập nhật tin tức, nâng cao hiệu quả tiếp nhận thông tin trong các lĩnh vực thương mại, y tế, giáo dục và truyền thông. Việc ứng dụng các kỹ thuật tự động hóa trong lấy tin tức góp phần nâng cao trải nghiệm người dùng và hỗ trợ các tổ chức, cá nhân trong việc quản lý thông tin một cách khoa học và hiệu quả.

## Cơ sở lý thuyết và phương pháp nghiên cứu

### Khung lý thuyết áp dụng

- **Ngôn ngữ đánh dấu mở rộng XML**: Là nền tảng để mô tả dữ liệu có cấu trúc dạng cây, cho phép định nghĩa các phần tử và thuộc tính tùy biến, hỗ trợ việc trao đổi dữ liệu trên Internet. XML được sử dụng làm định dạng cơ sở cho các file RSS.

- **RSS (Really Simple Syndication)**: Là định dạng XML dùng để cung cấp và chia sẻ thông tin tin tức từ các website. RSS 2.0 là phiên bản phổ biến nhất, cho phép mô tả các kênh tin tức với các phần tử như `<channel>`, `<item>`, `<title>`, `<link>`, `<description>`, v.v.

- **Mô hình Document Object Model (DOM)**: Phương pháp tiếp cận dữ liệu XML dưới dạng cấu trúc cây các đối tượng, cho phép truy xuất, thay đổi và thao tác dữ liệu một cách linh hoạt.

- **Simple API for XML (SAX)**: Phương pháp phân tích cú pháp XML dựa trên sự kiện, xử lý dữ liệu theo luồng, tiết kiệm bộ nhớ hơn DOM.

- **XmlPullParser**: Trình phân tích XML kéo (pull parser) được sử dụng trong Android, cho phép xử lý XML hiệu quả, phù hợp với môi trường thiết bị di động.

- **Thư viện Jsoup**: Công cụ phân tích cú pháp HTML và XML trong Java, hỗ trợ truy xuất và thao tác dữ liệu theo kiểu DOM, CSS selector và jQuery, giúp trích xuất thông tin từ các trang web không có RSS.

### Phương pháp nghiên cứu

- **Nguồn dữ liệu**: Thu thập dữ liệu từ các website có hỗ trợ RSS, các trang tin tức điện tử phổ biến tại Việt Nam, cùng với các tài liệu kỹ thuật về XML, RSS, DOM, SAX, XmlPullParser và Jsoup.

- **Phương pháp phân tích**: Sử dụng kết hợp các kỹ thuật phân tích DOM, SAX và XmlPullParser để xử lý file RSS; áp dụng Jsoup để phân tích cấu trúc HTML của website nhằm trích xuất tin tức khi không có RSS. Phát triển ứng dụng thử nghiệm trên nền tảng Android 5.1.

- **Cỡ mẫu và chọn mẫu**: Lấy mẫu gồm khoảng 10 website tin tức có hỗ trợ RSS và một số website không có RSS để thử nghiệm kỹ thuật phân tích. Lựa chọn phương pháp phân tích dựa trên đặc điểm dữ liệu và yêu cầu tối ưu hiệu suất trên thiết bị di động.

- **Timeline nghiên cứu**: Nghiên cứu và phát triển trong năm 2015-2016, bao gồm khảo sát lý thuyết, thiết kế hệ thống, xây dựng ứng dụng, thử nghiệm và đánh giá kết quả.

## Kết quả nghiên cứu và thảo luận

### Những phát hiện chính

- **Phát hiện 1**: Kỹ thuật phân tích DOM và SAX cho phép xử lý file RSS 2.0 hiệu quả, với khả năng trích xuất đầy đủ các thông tin tiêu đề, liên kết, mô tả và ngày xuất bản của tin tức. Tốc độ xử lý trên thiết bị di động đạt khoảng 90% so với yêu cầu thời gian cập nhật.

- **Phát hiện 2**: XmlPullParser trên nền tảng Android giúp giảm thiểu tài nguyên bộ nhớ sử dụng tới 30% so với DOM, đồng thời tăng tốc độ xử lý RSS lên khoảng 20%, phù hợp với môi trường thiết bị di động có giới hạn tài nguyên.

- **Phát hiện 3**: Thư viện Jsoup hỗ trợ phân tích HTML hiệu quả, giúp trích xuất tin tức từ các website không có RSS với độ chính xác khoảng 85% trong việc xác định nội dung chính và liên kết tin tức.

- **Phát hiện 4**: Ứng dụng thử nghiệm trên Android với mô hình Client-Website (không qua server trung gian) có khả năng tự động cập nhật tin tức mới và gửi thông báo (Notification) kịp thời cho người dùng, với tỷ lệ phát hiện tin mới đạt khoảng 95% trong điều kiện mạng ổn định.

### Thảo luận kết quả

Nguyên nhân của các kết quả trên là do sự kết hợp linh hoạt giữa các kỹ thuật phân tích XML truyền thống (DOM, SAX) và các công nghệ mới (XmlPullParser, Jsoup) phù hợp với đặc thù thiết bị di động. So với các nghiên cứu trước đây chỉ tập trung vào phân tích RSS, việc bổ sung phân tích HTML bằng Jsoup mở rộng phạm vi ứng dụng cho các website không hỗ trợ RSS, tăng tính khả dụng của hệ thống.

Kết quả cũng cho thấy mô hình Client-Website giúp giảm tải cho server, tuy nhiên phụ thuộc nhiều vào chất lượng kết nối Internet và cấu hình thiết bị người dùng. Việc sử dụng XmlPullParser giúp tối ưu hiệu suất và tiết kiệm tài nguyên, điều này rất quan trọng trong môi trường di động.

Dữ liệu có thể được trình bày qua biểu đồ so sánh hiệu suất xử lý giữa DOM, SAX và XmlPullParser, cũng như bảng thống kê tỷ lệ phát hiện tin mới và độ chính xác trích xuất nội dung của Jsoup.

## Đề xuất và khuyến nghị

- **Phát triển thêm các thuật toán phân tích cấu trúc website nâng cao** nhằm tăng độ chính xác trích xuất tin tức từ các trang không có RSS, hướng tới tỷ lệ chính xác trên 90%.

- **Tối ưu hóa ứng dụng trên nền tảng Android** để giảm thiểu tiêu thụ pin và tài nguyên, nâng cao trải nghiệm người dùng, đặt mục tiêu giảm 15% mức tiêu thụ so với phiên bản hiện tại trong vòng 6 tháng.

- **Xây dựng hệ thống cân bằng tải và phân tán dữ liệu** nếu triển khai mô hình Client-Server để đảm bảo khả năng mở rộng và ổn định khi số lượng người dùng tăng lên, với kế hoạch thực hiện trong 12 tháng tới.

- **Tăng cường tính năng thông báo thông minh (Notification)** dựa trên thói quen và sở thích người dùng, nhằm nâng cao tỷ lệ tương tác và sử dụng ứng dụng, dự kiến hoàn thành trong 9 tháng.

- **Đào tạo và hướng dẫn người dùng cuối** về cách sử dụng ứng dụng hiệu quả, đặc biệt là trong các lĩnh vực y tế, giáo dục và thương mại, nhằm tăng cường giá trị thực tiễn của ứng dụng.

## Đối tượng nên tham khảo luận văn

- **Nhà phát triển phần mềm và kỹ sư công nghệ thông tin**: Có thể áp dụng các kỹ thuật phân tích XML, RSS và HTML để xây dựng các ứng dụng tự động cập nhật tin tức hoặc trích xuất dữ liệu từ web.

- **Các nhà nghiên cứu trong lĩnh vực công nghệ thông tin và truyền thông**: Tham khảo các phương pháp phân tích dữ liệu web, kỹ thuật xử lý XML và các mô hình ứng dụng trên thiết bị di động.

- **Doanh nghiệp và tổ chức truyền thông**: Áp dụng giải pháp tự động cập nhật tin tức để nâng cao hiệu quả quản lý nội dung và cung cấp thông tin nhanh chóng đến khách hàng.

- **Người dùng cá nhân và cộng đồng học thuật**: Sử dụng ứng dụng để theo dõi tin tức chuyên ngành, cập nhật thông tin y tế, giáo dục và các lĩnh vực quan tâm một cách tiện lợi và kịp thời.

## Câu hỏi thường gặp

1. **Ứng dụng lấy tin tự động hoạt động như thế nào?**  
Ứng dụng sử dụng các kỹ thuật phân tích file RSS hoặc phân tích HTML để tự động lấy dữ liệu tin tức mới từ website, sau đó lưu trữ và thông báo cho người dùng khi có tin mới.

2. **Tại sao cần sử dụng XmlPullParser thay vì DOM hay SAX?**  
XmlPullParser tiết kiệm bộ nhớ và tăng tốc độ xử lý trên thiết bị di động, phù hợp với môi trường có tài nguyên hạn chế như smartphone.

3. **Làm thế nào để ứng dụng xử lý các website không hỗ trợ RSS?**  
Sử dụng thư viện Jsoup để phân tích cấu trúc HTML, trích xuất nội dung tin tức dựa trên các selector CSS và các thuật toán nhận dạng nội dung chính.

4. **Ứng dụng có thể hoạt động khi không có kết nối Internet không?**  
Ứng dụng có thể đọc tin tức đã lưu trong bộ nhớ cache khi offline, tuy nhiên không thể cập nhật tin mới nếu không có kết nối mạng.

5. **Làm sao để người dùng đăng ký nhận tin từ một website mới?**  
Người dùng nhập URL trang cung cấp RSS hoặc trang web có tin tức, ứng dụng sẽ kiểm tra và thêm vào danh sách nhận tin, đồng thời tự động cập nhật các danh mục tin liên quan.

## Kết luận

- Nghiên cứu đã phát triển thành công các kỹ thuật phân tích và lấy tin tự động từ website, đặc biệt là từ file RSS và HTML, phù hợp với môi trường thiết bị di động.  
- Ứng dụng thử nghiệm trên nền tảng Android cho thấy hiệu suất xử lý và khả năng cập nhật tin tức mới nhanh chóng, đáp ứng nhu cầu người dùng.  
- Việc kết hợp các phương pháp DOM, SAX, XmlPullParser và Jsoup giúp tối ưu hóa hiệu quả và mở rộng phạm vi ứng dụng.  
- Các giải pháp đề xuất hướng tới nâng cao độ chính xác, tối ưu tài nguyên và cải thiện trải nghiệm người dùng trong tương lai.  
- Khuyến khích các nhà phát triển và tổ chức ứng dụng nghiên cứu này để phát triển các hệ thống tự động cập nhật tin tức hiệu quả hơn.

Hành động tiếp theo: Triển khai mở rộng ứng dụng, tích hợp các thuật toán nâng cao và tiến hành đánh giá thực tế trên quy mô lớn hơn để hoàn thiện sản phẩm.

Trích đoạn nội dung tài liệu

mở đầu và kết thúc Ví dụ: có <img src="mylogo.gif">, nó là một phần tử đơn lẻ và đứng một mình. Nó không chứa đựng bất kỳ phần tử con cũng nhƣ văn bản nào, chính vì vậy nó là một phần tử trống và có thể biểu thị nhƣ sau <img src="mylogo.gif" /> (đƣợc kết thúc bởi một dấu cách và gạch chéo kết thúc nhƣ thông thƣờng) Lồng ghép các phần tử: Lồng ghép là đặt một phần tử này nằm bên trong một phần tử khác. Mà trong đó các phần tử mới nằm bên trong đƣợc gọi là các phần tử con, các phần tử này đƣợc bao bên ngoài bởi một phần tử gọi là cha. Nhƣ ở ví dụ bên trên chúng ta có phần tử gốc, phần tử cha là <recipe>, các thông tin của các phần tử con đƣợc lồng ghép bên trong bao gồm các phần tử<recipename>, <ingredlist> và <preptime>.

Bên trong phần tử con <ingredlist> lại có rất nhiều các thông tin của các phần tử con ở trong nó <listitem>nhƣ ví dụ sau đây: <?xml version="1.0" encoding="UTF-8"?> <recipe> <recipename>Ice Cream Sundae</recipename> <ingredlist> <listitem> <quantity>3</quantity> <itemdescription>chocolate syrup</itemdescription> </listitem> </ingredlist> <preptime>5 minutes</preptime> </recipe> Trong một văn bản XML, các phần tử có thể đƣợc lồng ghép với nhau ở nhiều cấp độ. Nghĩa là vẫn có thể lồng ghép các phần tử cấp thấp hơn ở bên trong phần tử con và nhiều cấp nhỏ hơn nữa ở trong nó. Một lỗi cú pháp thông thƣờng là khi lồng ghép không chính xác các phần tử cha và phần tử con. Đó là do bất cứ một phần tử con nào cũng phải đƣợc bao quanh một cách trọn vẹn giữa thẻ bắt đầu LUAN VAN CHAT LUONG download : add [e-mail] 17 và thẻ kết thúc của phần tử cha.

Một điều chú ý là các phần tử con phải đƣợc đóng trƣớc khi các phần tử con khác bắt đầu. Thêm các thuộc tính: Các thuộc tính hoàn toàn có thể đƣợc thêm vào các phần tử, bao gồm cặp tên-giá trị, với giá trị đƣợc đặt bên trong hai dấu ngoặc kép ("), ví dụ: type="dessert". Các thuộc tính này cung cấp cách thức để lƣu trữ thêm các thông tin mỗi khi sử dụng phần tử, sự thay đổi giá trị của thuộc tính là cần thiết khi sử dụng cùng một phần tử ở các vị trí khác khác nhau trong cùng một tài liệu. Chúng đƣợc thêm vào bên trong thẻ bắt đầu của một phần tử: <recipe type="dessert">.

Nếu thêm vào nhiều thuộc tính, hãy tách chúng riêng rẽ bằng dấu cách: <recipename cuisine="american" servings="1">. Ví dụ: Tệp tài liệu XML với các phần tử và các thuộc tính <?xml version="1.0" encoding="UTF-8"?> <recipe type="dessert"> <recipename cuisine="american" servings="1"> Ice Cream Sundae </recipename> <preptime>5 minutes</preptime> </recipe> Có thể sử dụng một vài hoặc vô số các thuộc tính khi cần thiết. Các tên thuộc tính có thể bao gồm các ký tự giống nhƣ quy ƣớc đặt tên phần tử, tên thuộc tính không bao gồm dấu cách và tên phải bắt đầu bằng các ký tự trong bảng chữ cái[10, 11]. Giới thiệu Kỹ thuật RSS RSS (Really Simple Syndication) [6] có nghĩa là "dịch vụ cung cấp thông tin thực sự đơn giản", dùng trong việc chia sẻ tin tức Web (Web syndication) đƣợc dùng bởi nhiều website tin tức và weblog với công nghệ của RSS cho phép ngƣời dùng Internet có thể đặt mua thông tin từ các websites có cung cấp khả năng RSS (RSS feeds); chúng thƣờng là các site có nội dung thay đổi và đƣợc thêm vào thƣờng xuyên.

Để có thể dùng công nghệ này, ngƣời quản trị site đó tạo ra hay quản lí một phần mềm chuyên dụng (nhƣ là một hệt thống quản lý nội dung - content management system-CMS) mà với định dạng XML mà máy có thể đọc đƣợc, có thể biểu diễn các bài tin mới thành một danh sách, với một hoặc hai dòng cho mỗi bài tin và một liên kết đến bài tin đầy đủ đó. Khác với việc mua nhiều ấn LUAN VAN CHAT LUONG download : add [e-mail] 18 bản của các tờ báo hay tạp chí in giấy, hầu hết việc mua RSS là miễn phí. Định dạng RSS cung cấp nội dung web và tóm lƣợc nội dung web cùng với các liên kết đến phiên bản đầy đủ của nội dung tin đó, và các siêu dữ liệu (meta-data) khác. Thông tin này đƣợc cung cấp dƣới dạng một tập tin XML đƣợc gọi là một RSS feed, webfeed, RSS stream, hay RSS channel.

Định nghĩa RSS: RSS là viết tắt của một trong những thuật ngữ sau: - Really Simple Syndication: "Dịch vụ cung cấp thông tin thực sự đơn giản". - Rich Site Summary, RDF Site Summary[13]: Tóm lƣợc thông tin phong phú, tóm lƣợc thông tin theo định dạng RDF. - RDF - Resource Discovery Framework:(tạm dịch là "cơ cấu khám phá tài nguyên"): là định dạng của phiên bản RSS 1. Ở một số trang web biểu tƣợng RDF sử dụng thay cho RSS.

RSS đƣợc viết bằng XML. Một file RSS là một danh sách các đối tƣợng - chính là các mẫu tin - đƣợc miêu tả gồm có: tiêu đề, nội dung tóm lƣợc, một liên kết đến trang chính của tin đó, ngày tháng, tác giả.cũng có thể thêm vào.Một file rss không có phần mở rộng thống nhất. Trong đó phổ biến nhất là:. Lịch sử phát triển RSS: Trƣớc RSS, có nhiều định dạng khác cũng từng đƣợc dùng cho vấn đề chia sẻ thông tin, nhƣng không có định dạng nào đƣợc dùng rộng rãi cho đến ngày nay, vì hầu hết chủ yếu dùng cho từng dịch vụ đơn.

Lịch sử phát triển của RSS trải qua các giai đoạn nhƣ sau: - RDF (Resource Description Framework) Site Summary, phiên bản đầu tiên của RSS, đƣợc tạo ra bởi Dan Libby củaNetscape vào tháng Ba 1999 dùng cho cổng điện tử My Netscape. Phiên bản này trở thành RSS 0. Vào tháng Bảy 1999, đáp trả lại các đề nghị và góp ý, Libby đƣa ra bản phác thảo ban đầu đặt tên là RSS 0.91 (RSS viết tắt của Rich Site Summary), nhằm đơn giản hóa định dạng và tích hợp một số phần trong định dạng scriptingNews của Winer. - Nhóm RSS-DEV tiếp tục đƣa ra RSS 1.0vào tháng 12 năm 2000 dựa trên bản phác thảo góp ý sửa đổi cho bản đặc tả kĩ thuật đƣa ra bởi Tristan Louis.

Giống với RSS 0.91) bản này dựa vào đặc tả kĩ thuật của RDF, nhƣng có tính khả mở hơn, với nhiều mục bắt nguồn từ các từ vựng metadata chuẩn nhƣ Dublin Core. LUAN VAN CHAT LUONG download : add [e-mail] 19 - Vào tháng 9 năm 2002, Winer cho ra bản cuối cùng của RSS 0.92, bây giờ gọi là RSS 2.0 và nhấn mạnh "Really Simple Syndication" là nghĩa của ba kí tự viết tắt RSS. Đặc tả kĩ thuật của RSS 2.0 loại bỏ thuộc tính type từng đƣợc thêm vào trong RSS 0.94 và cho phép ngƣời dùng có thể thêm thành phần mở rộng nhờ dùng XML Namespaces. Nhiều phiên bản của RSS 2.0 đã đƣợc ra đời, nhƣng chỉ số của phiên bản thì vẫn không thay đổi.

- Vào tháng 11, 2002, Thời báo New York đã bắt đầu cung cấp cho ngƣời đọc khả năng mục các tin có hỗ trợ RSS feeds liên quan đến nhiều chủ đề khác nhau. Vào tháng Giêng, 2003, David Winer đã gọi việc dùng RSS của thời báo New York Time là một "điểm nhấn" (tipping point) trong việc đƣa định dạng RSS trở thành một chuẩn[6]. Cấu trúc định dạng tập tin RSS 2.0 [6]: Một file RSS là do một phần tử (element) <channel> </channel> và các phần tử con của nó tạo nên. Ngoài nội dung <Item> đƣợc liệt kê trong phần thân <item> </item> thì phần tử <channel> còn chứa các element đại diện cho siêu dữ liệu của kênh RSS - chẳng hạn nhƣ <title>, <link> và <description>.

Những mục này là các phần chính của kênh RSS và chứa nội dung thƣờng hay thay đổi. Dƣới đây là chi tiết các thành phần:  Thành phần <channel> của RSS Một kênh <channel> thƣờng có ba phần tử để biết thông tin của kênh bao gồm: <title> (tiêu đề): Tên của kênh hoặc nguồn cấp tin <link> (liên kết): URL của trang web hoặc vùng trang web có liên kết với kênh này <description> (mô tả): Mô tả ngắn gọn về kênh đó. Ngoài các thành phần trên thì <channel> còn có nhiều phần tử con là tùy chọn và không bắt buộc. Ví dụ nhƣ phần tử <image> (hình ảnh) có ba phần tử con bắt buộc là: - <url>: URL của một hình ảnh GIF, JPEG hoặc PNG đại diện cho kênh.

- <title>: Mô tả hình ảnh. Nó đƣợc dùng cho thuộc tính ALT của thẻ <image> trong HTML khi kênh đƣợc hiển thị bằng HTML. - <link>: URL của trang web. Khi kênh đƣợc hiển thị dƣới dạng HTML, hình ảnh có thể hoạt động nhƣ một liên kết đến trang web.

Phần tử <image> cũng có ba phần tử con không bắt buộc sau: LUAN VAN CHAT LUONG download : add [e-mail] 20 - <width> (chiều rộng): Quy định chiều rộng hình ảnh tính bằng pixel. Giá trị tối đa là 144 và giá trị mặc định là 88. - <height> (chiều cao): Quy định chiều cao hình ảnh tính bằng pixel. Giá trị tối đa là 400 và giá trị mặc định là 31.

- <description>: Chứa đoạn văn bản có trong thuộc tính title của liên kết tạo thành hình ảnh khi đƣợc hiển thị. Ngoài ra, có thể sử dụng các phần tử tùy chọn khác: - <language> (ngôn ngữ): en-us (anh-mỹ) - <copyright> (bản quyền): Copyright 2003, James Lewin - <managingEditor> (ngƣời biên tập quản lý): dan@spam_me.com (Dan Deletekey) - <webMaster>: dan@spam_me.com (Dan Deletekey) - <pubDate> (ngày xuất bản): Sat, 15 Nov 2003 0:00:01 GMT (Thứ Bảy, 15.2003, giờ chuẩn theo kinh tuyến Greenwich (GMT) là 0:00:01) - <lastBuildDate> (ngày dựng cuối cùng): Sat, 15 Nov 2003 0:00:01 GMT - <category> (thể loại): ebusiness (thƣơng mại điện tử) - <generator> (trình tạo): CMS 2.0 - <docs> (các tài liệu): http://blogs.edu/tech/rss - <cloud> (đám mây): Cho phép đăng ký với một "đám mây" để đƣợc thông báo về các bản cập nhật cho kênh, thực hiện một giao thức đăng ký - xuất bản nhẹ cho các nguồn cấp tin RSS. - <ttl>: Thời gian sống (Time to live) một con số đại diện cho số phút mà một nguồn cấp tin có thể đƣợc lƣu trữ trong bộ nhớ đệm trƣớc khi nó cần đƣợc làm mới. - <rating> (đánh giá): Đánh giá PICS cho kênh.

- <textInput> (nhập văn bản): Định nghĩa hộp nhập có thể đƣợc hiển thị với kênh. - <skipHours>: Thông tin này để báo cho các chƣơng trình tổng hợp <Item> biết rằng có thể bỏ qua không cập nhật nội dung trong bao nhiêu giờ. - <skipDays>: Thông tin này để báo cho các chƣơng trình tổng hợp <Item> biết rằng có thể bỏ qua không cập nhật nội dung trong bao nhiêu ngày.  Thành phần <Item> bản tin Các <Item> là phần quan trọng nhất của một nguồn cấp tin.

Mỗi <Item> có thể là một bài weblog, một bài viết hoàn chỉnh, một bài phê bình phim, một mục LUAN VAN CHAT LUONG download : add [e-mail] 21 rao vặt trên báo, hoặc bất cứ thứ gì muốn cung cấp cho kênh.