Lista de feeds (rss.txt)

Todos os feeds coletados vêm de um único arquivo texto na raiz do repositório: rss.txt. Para adicionar um feed basta acrescentar uma linha — nenhuma outra mudança é necessária.

Formato

Nome do feed|https://exemplo.com/feed
Nome do feed|https://exemplo.com/noticias/ | HTML
https://exemplo.com/rss                      # linha só com URL também vale
# comentários e linhas em branco são ignorados

Regras (implementadas em feedlist.parse_line):

• O primeiro | separa o nome da URL; o nome é exatamente o que aparece no campo feed_name dos dados.
• Um sufixo opcional | HTML marca páginas que não são RSS/Atom: nelas o coletor extrai manchetes via JSON-LD, cards de notícia e, em último caso, links que pareçam matérias (os sufixos | RSS e | ATOM também são aceitos e equivalem ao padrão).
• Linha só com URL (sem |): o domínio vira o nome do feed.
• Linhas vazias ou começando com # são ignoradas; o BOM (\ufeff) é tolerado.
• Duplicatas são removidas pelo par (slug do nome, URL sem / final).

Veículo - Editoria → feed_group / feed_section

Usar - (ou –/—) no nome alimenta automaticamente os campos de agrupamento:

Nome em rss.txt	feed_group	feed_section	feed_slug
Metrópoles - Coluna Juris	Metrópoles	Coluna Juris	metropoles-coluna-juris
G1 - Política	G1	Política	g1-politica
Agência Brasil	Agência Brasil	(vazio)	agencia-brasil

O slug é gerado por slugify(): remove acentos, converte para minúsculas e troca qualquer sequência não alfanumérica por -.

Validando a lista

O CI valida rss.txt a cada push. Localmente:

python - <<'PY'
import sys
sys.path.insert(0, "scripts")
from brnews.feedlist import load_feeds
feeds = load_feeds("rss.txt")
print(f"{len(feeds)} feeds válidos ({sum(f.is_html for f in feeds)} páginas HTML)")
PY

E para testar um feed novo sem gravar nada:

python scripts/collect_news.py --dry-run -v --limit-per-feed 3 --max-feeds 999

:::tip Dica Prefira sempre a URL do feed RSS quando o site tiver uma (procure por /feed, /rss, <link rel="alternate" type="application/rss+xml"> no HTML). O modo | HTML é um fallback para portais sem RSS utilizável. :::