Descarregar sites que utilizam RSS

Sobre RSS

RSS já foi dado por morto muitas vezes e continua a aparecer nas análises. O formato data de 1999, publica os itens recentes de um site como uma lista legível por máquinas, e a razão por que sobreviveu pouco tem que ver com pessoas a usar leitores de feeds. As plataformas de publicação emitem um feed automaticamente, e o elemento de ligação que aponta para ele fica na página, subscreva-o alguém ou não. Por isso o marcador mede uma coisa bastante diferente daquilo que parece medir.

Em outubro de 2026 detetamos uma declaração de feed em 6 994 942 sites, um formato aberto com licença Open Source, sem fornecedor e sem uma história de licenciamento que complique a análise. O número não deve ler-se como uma audiência. O número é uma contagem de sites construídos sobre software que conta publicar um fluxo de itens, o que descreve para que serve um site e não a sua pilha tecnológica.

A distinção transforma a coluna num filtro com vários compradores distintos. As empresas de monitorização de imprensa e os agregadores precisam dos endereços de todos os sites que publicam itens estruturados, porque um feed é uma forma barata e permitida de seguir uma fonte em grande escala. As plataformas de podcasts precisam do subconjunto cujos feeds levam anexos de áudio. As equipas que montam corpora de texto precisam praticamente da mesma lista por razões completamente diferentes. E quem vende a editores pode usar o marcador para separar os sites que produzem conteúdos com regularidade dos sites que puseram uma página no ar uma vez e se foram embora.

Para a prospeção comercial, o movimento interessante é outra vez o cruzamento e não a coluna. Um feed a par de um marcador de plataforma de loja sugere uma loja com uma operação de conteúdos agarrada, e esse é um comprador diferente, com um orçamento diferente do de uma loja sem ela. Um feed a par de um site institucional sem outros marcadores de publicação costuma significar uma secção de notícias ao abandono que a equipa de marketing herdou e deixou de alimentar. Os dois padrões são visíveis num ficheiro e invisíveis numa consulta, porque ambos são comparações e não factos sobre um domínio concreto.

Nos Estados Unidos contam-se 2 884 534 dos sites que declaram um feed, e o peso dos sufixos está em .com, uma distribuição que segue as plataformas de publicação e o alojamento e não os hábitos de leitura. A nossa atribuição de país vem da infraestrutura que serve as páginas, por isso um estudo de imprensa nacional deve construir-se a partir do sufixo, da língua da página e dos contactos do próprio site, com a coluna do país usada como um primeiro corte e nada mais.

A ressalva honesta é que um feed declarado não é um feed vivo. Registamos a declaração na página. Não vamos buscar o feed, não contamos os seus itens nem verificamos quando foi escrito pela última vez, por isso um blogue abandonado e uma redação que publica várias vezes por hora aparecem da mesma maneira no ficheiro. Os feeds que existem num endereço convencional sem serem declarados no markup escapam-nos por completo, o que empurra a contagem no sentido contrário. Trate a coluna como um indicador forte de que um site foi construído para publicar e um indicador fraco de que publica de facto. Verificar a segunda parte é um trabalho domínio a domínio, e é o ficheiro que diz que domínios valem esse trabalho.