Web版RSS閱讀器（三）——解析在線Rss訂閱 · Web版Rss閱讀器

? ? 上篇博客《[?Web版RSS閱讀器（二）——使用dTree樹形加載rss訂閱分組列表](http://blog.csdn.net/xiaoxian8023/article/details/9745727)》已經寫到讀取rss訂閱列表了，今天就說一下，當獲取一條在線rss訂閱的信息，怎么去解析它，從而獲取文章或資訊。 ? ? 首先說一下rss的版本。很多人都說rss，但是有相當一部分人，都不知道rss居然不只一種格式。我們常用的訂閱格式有Rss和Atom 2種格式。Rss有版本從v0.9一直到現在的v2.0，Atom最新的版本則是1.0。 ? ? DeveloperWorks有一篇文章《[使用 RSS 和 Atom 實現新聞聯合](http://www.ibm.com/developerworks/cn/web/wa-syndrssatom/index.html)》提及兩者的相似點與不同點： ``> #### RSS 和 Atom 摘要的相似點 > ? > 每個摘要文件實際上代表一個通道。它包含通道標題、鏈接、描述、作者等等。通道信息提供關于摘要的基本信息。通道信息之后是一些項。每項代表一篇可以從摘要閱讀器閱讀的真實的新聞或者文章。通常情況下，每項包含有標題、鏈接、更新時間和摘要信息。 > #### RSS 和 Atom 摘要的不同點 > 參考?[RSS 2.0 and Atom 1.0, Compared](http://www.intertwingly.net/wiki/pie/Rss20AndAtom10Compared)，回顧 RSS 和 Atom 的不同點。 <table border="0" width="100%" cellpadding="2" cellspacing="0" style="margin:0px; padding:0px; border:1px solid rgb(192,192,192); border-collapse:collapse"><tbody style="margin:0px; padding:0px"><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="80" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><span style="margin:0px; padding:0px">不同點</span></td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><span style="margin:0px; padding:0px">RSS 2.0</span></td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><span style="margin:0px; padding:0px">Atom 1.0</span></td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="82" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">部署</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 得到廣泛部署。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 還未得到廣泛部署。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="84" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">規范</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">哈佛大學擁有版權并凍結了 RSS 2.0 規范。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atompub 工作組（屬于 IETF）就 Atom 1.0 規范達成一致意見，并在將來有可能重新修訂。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="85" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">所需內容</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 包含所需的摘要級別的標題、鏈接和描述。它不需要在摘要中出現的任何單獨項的字段。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 包含摘要和條目所需的標題（可以為空）、惟一標識和最后更新的時間戳。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="87" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">有效負載（payload）</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 可以包含普通文本或者轉義 HTML，但是不能分辨所提供的是兩個中的哪一個。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 包含有效負載容器。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="89" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">全部或者部分內容</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 有一個?<code style="margin:0px; padding:0px"><description></code>?元素，可以包含條目的全部文本或者大綱。它沒有用于標識內容是否完全的內置方法。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 提供單獨的?<code style="margin:0px; padding:0px"><summary></code>?和?<code style="margin:0px; padding:0px"><content> 元素</code>。如果它是非文本的或者非本地的內容，出于可訪問性的原因摘要將很好用。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="90" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">自動發現</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 用不同的方法實現自動發現。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 標準化自動發現。</td></tr><tr style="margin:0px; padding:0px"/><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="92" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">提取和聚合</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 只有一個可識別的形式：一個<code style="margin:0px; padding:0px"><rss></code>?文檔。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 允許獨立的 Atom Entry 文檔，可以使用任何網絡協議傳輸；例如，XMPP。Atom 也支持聚合摘要，其中，條目指向它們來自的摘要，前提是如果它們將被包含到其他摘要中。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr></tbody></table> > > RSS 和 Atom 具有相似的基于 XML 的格式。它們的基本結構是相同的，只在節點的表達式上有一點區別。在Rss標準格式： ~~~  　<?xml version="1.0"?> 　 　<rss version="2.0"> 　 　<channel> 　　 　　 　　<title>Lift Off News</title> 　　 　　<link>http://liftoff.msfc.nasa.gov/</link> 　　 　　<description>Liftoff to Space Exploration.</description> 　　 　　<language>en-us</language> 　　 　　<pubDate>Tue, 10 Jun 2003 04:00:00 GMT</pubDate> 　　 　　<lastBuildDate>Tue, 10 Jun 2003 09:41:01 GMT</lastBuildDate> 　　<docs>http://blogs.law.harvard.edu/tech/rss</docs> 　　 　　<generator>Weblog Editor 2.0</generator> 　　<ttl>5</ttl> 　　 　　 　　<item> 　　 　　<title>Star City</title> 　　 　　<link>http://liftoff.msfc.nasa.gov/news/2013/news-starcity.asp</link> 　　 　　<description>How do Americans get ready to work with Russians aboard the 　　International Space Station? They take a crash course in culture, language 　　and protocol at Russia's Star City.</description> 　　 　　<pubDate>Tue, 03 Jun 2003 09:39:21 GMT</pubDate> 　　 　　<category>IT</category> 　　 　　<author>bill</author> 　　<guid>http://liftoff.msfc.nasa.gov/2003/06/03.html#item573</guid> 　　</item> 　　 　　<item> 　　<title>Space Exploration</title> 　　<link>http://liftoff.msfc.nasa.gov/</link> 　　<description>Sky watchers in Europe, Asia, and parts of Alaska and Canada 　　will experience a partial eclipse of the Sun on Saturday, May 31st.</description> 　　Fri, 30 May 2003 11:06:42 GMT</pubDate> 　　<guid>http://liftoff.msfc.nasa.gov/2003/05/30.html#item572</guid> 　　</item>　　　　</channel> 　</rss> ~~~ Atom 1.0的格式： ~~~ <?xml version="1.0" encoding="utf-8"?>  <feed xmlns="http://www.w3.org/2005/Atom"">  　<title>Schema Web</title>  　<link rel="alternate" type="text/html" href="http://stanzaweb.art/"/>  　<modified>2004-06-01T10:11:12Z</modified>  　<author>  　　<name>Uche Ogbuji</name> 　</author>  　<entry>  　　<title>Welcome to Stanza Web</title>  　　<author>  　　　<name>龍軒</name>  <uri>http://www.cnblogs.com/longxuan/</uri> 　　</author>  　　<link rel="alternate" type="text/html" href="http://stanzaweb.art/2004-06-01/welcome"/>  　　<modified>2004-06-01T10:11:12Z</modified>  　　<content type="html"> 　　　<div > 　　　　<p>Welcome to 　　　　　<a href="http://stanzaweb.art/">Stanza Web</a>. 　　　　　Come back often to keep track of the best in modern poetry. 　　　　</p> 　　　　<p>This site is powered by 　　　　　 <a href="http://atomenabled.org">Atom</a> 　　　　</p> 　　　</div> 　　</content> 　</entry> </feed> ~~~ ? ? 大部分新聞或博客網站都使用的是rss，當然Atom也占有部分市場。比如博客園就是用的Atom，而CSDN則用的是RSS。 ? ?了解了這些以后，就可以開始解析Rss了。 ? ?在網上找了一下開源的包，選了2款常用的都實驗了一下，一個是Rome.jar，一個是rsslib4j.jar。二者的區別我就不多介紹了，有興趣了可以去百度一下。rsslib4j 小巧，兼容性好，但是現在只支持解析rss?0.9x ,1.0 和 2.0，暫時對于atom無能為力。rsslib4j的開源主頁：[http://sourceforge.net/projects/rsslib4j/](http://sourceforge.net/projects/rsslib4j/)。有什么需要的，可以在主頁進行下載。 ? ? 在WebRoot/lib中引用rsslib4j-0.2.jar，在src的com.tgb.rssreader.manager包中新建一個類Rsslib4jReadRss，貼出代碼： ~~~ package com.tgb.rssreader.manager; import java.net.URL; import java.net.URLConnection; import java.util.List; import org.gnu.stealthp.rsslib.RSSChannel; import org.gnu.stealthp.rsslib.RSSHandler; import org.gnu.stealthp.rsslib.RSSImage; import org.gnu.stealthp.rsslib.RSSItem; import org.gnu.stealthp.rsslib.RSSParser; public class Rsslib4jReadRss { //這里定義一個在線的rss摘要的地址(對應我的網易博客） public static final String remoteRSS="http://xiaoxian100.blog.163.com/rss"; public static void main(String[] args) throws Exception { // 讓RSSParser去解析在線的rss的url RSSHandler remoteRSSHandler = new RSSHandler(); URL url = new URL(remoteRSS); URLConnection feedUrl = url.openConnection(); RSSParser.parseXmlFile(feedUrl.getURL(), remoteRSSHandler, false); // 取得rss元素的信息并且打印在控制臺上 String remoteRSSInfo=Rsslib4jReadRss.getRSSInfo(remoteRSSHandler); System.out.println("********我的網易博客的 rss信息如下**********"); System.out.println(remoteRSSInfo); System.out.println("**************************"); } public static String getRSSInfo(RSSHandler handler) { StringBuffer rssInfo = new StringBuffer(); // 取得rss提要的頻道信息(Channel) RSSChannel channel = handler.getRSSChannel(); // Part1: 分離出rss頻道的元信息 // (1)頻道的標題 String titleInfo = channel.getTitle(); // (2)頻道的鏈接信息 String linkInfo = channel.getLink(); // (3)頻道的描述信息 String descriptionInfo = channel.getDescription(); // (4)頻道使用的語言 String languageInfo = channel.getLanguage(); // (5)頻道版權信息 String copyrightInfo = channel.getCopyright(); // (6)頻道的generator的信息 String generatorInfo = channel.getGenerator(); // (7)頻道的image信息 RSSImage channelImage = channel.getRSSImage(); String channelImageUrl = channelImage.getUrl(); rssInfo.append("頻道標題： " + titleInfo + "\n"); rssInfo.append("頻道相關Link信息： " + linkInfo + "\n"); rssInfo.append("頻道描述信息: " + descriptionInfo + "\n"); rssInfo.append("頻道使用的語言： " + languageInfo + "\n"); rssInfo.append("頻道版權信息： " + copyrightInfo + "\n"); rssInfo.append("頻道產生器信息： " + generatorInfo + "\n"); rssInfo.append("頻道圖片URL: " + channelImageUrl + "\n"); //Part2：分離出rss頻道的所有摘要(feed),這里用item表示 List channelItems = channel.getItems(); int itemSize = channelItems.size(); if (itemSize >= 1) { rssInfo.append("\n"); rssInfo.append("一共有 " + itemSize + "個摘要在這個頻道中"); rssInfo.append("\n"); for (int i = 0; i < itemSize; i++) { int itemNo = i + 1; RSSItem item = (RSSItem) channelItems.get(i); rssInfo.append("\n"); rssInfo.append("摘要" + itemNo + ":"); // (1)摘要的作者 String itemAuthor = item.getAuthor(); // (2)摘要的標題 String itemTitle = item.getTitle(); // (3)摘要的描述 String itemDescription = item.getDescription(); // (4)摘要的鏈接 String itemLink = item.getLink(); // (5)摘要的發布日期 String itemPubDate = item.getPubDate(); rssInfo.append("作者： " + itemAuthor + "\n"); rssInfo.append("標題： " + itemTitle + "\n"); rssInfo.append("描述： " + itemDescription + "\n"); rssInfo.append("鏈接： " + itemLink + "\n"); rssInfo.append("發布日期: " + itemPubDate + "\n"); rssInfo.append("\n"); } } return rssInfo.toString(); } } ~~~ ? ? 由于文章太多，在Console中測試時，可能會看不到后面的效果，所以我只讓程序讀取了一個文章摘要（for循環次數修改為1），效果圖如下： ![](https://box.kancloud.cn/2016-02-18_56c53c28e561f.jpg) ? ? 在解析網易博客時，還算勉強可以勝任，但是在解析CSDN博客時，就會報錯"Server returned HTTP response code: 403 for URL: http://xxxxxx"，這是因為CSDN博客，拒絕java作為客戶端進行訪問其服務器。而且在解析個別信息時，會出現null值。 ? ? 那怎么辦呀？別著急，下篇博文，大家跟我一起修改rsslib4j，做自己的rsslib4j。敬請期待！