java rss

阅读更多

目前在搞个RSS的工具，gg到这个，顺便做个笔记

 

目标是做一个简单的portlet，每次读取新浪的RSS站点显示最新的新闻条目。

    花了一个下午，去sourceforge和 google 上搜索 opensource 的 java rss lib，还真有不少（顺便提一下，sourceforget的搜索真的很烂）。简单过滤以后，觉得以下三个类库比较有搞头。Rome 、rssutils和rsslib4j。具体的评测如下：

一. Rome
    Rome 是 java.net 上 的一个开源项目，现在的版本是0.5。为什么叫Rome呢，按它的介绍上的说法，有个“条条大路通罗马”的意思，有些RSS的意味。Rome可能是 sun 公司从自己某个子项目中抽离出来的，package和类的命名就象j2sdk一样感觉规范。功能上支持RSS的所有版本及 Atom 0.3(Atom是和RSS类似的一种内容聚合的方式)。Rome 本身是提供API和功能实现，其下独立出一个 rome-fetcher 项目，专门用来读取RSS内容。正和我意啊。
    参照 fetcher 上的范例，解析 RSS 相当简单，代码片断如下：

    FeedFetcher fetcher = new HttpURLFeedFetcher();
    SyndFeed feed = fetcher.retrieveFeed(feedUrl);
    System.out.println(feedUrl + " has a title: " + new String(feed.getTitle().getBytes("iso8859-1"), "utf-8") + " and contains "     + feed.getEntries().size() + " entries.");
    for (Iterator iter = feed.getEntries().iterator(); iter.hasNext(); ) {
        SyndEntry entry = (SyndEntry) iter.next();
        System.out.println("" + entry.getTitle() + "[" + entry.getPublishedDate() + "]");
    }
    
    为什么用  new String(feed.getTitle().getBytes("iso8859-1"), "utf-8")  进行转码，是因为Rome来解析 新浪新闻  RSS 的时候试图从 URLConnection 的 header  中得到编码信息，否则总是用 iso8859-1。而新浪的RSS response header 中不包含编码信息，所以要做一番转码。另外还有就是 entry.getPubDate() 也将返回null，因为Rome 用多种pattern 去试图解析时间信息，新浪的时间格式还是符合RFC822的，但是Rome 使用SimpleDateFormat 来解析时间，它忘记了一点，就是 SimpleDateFormat的解析是关联于 Locale 的，所以由于我本地locale是China，SimpleDateFormat的parse方法解析不出英文的时间字符。以上代码前加 Locale.setDefault(Locale.Englisth) 可以搞定，但总觉得不爽。

    如果也不想转码的话，Rome 还提供了一个 XmlReader 的类，通过分析 header 和 xml 内容推断 encoding，修改 HttpURLFeedFetcher 的源码 :

    // 改变 InputStreamReader , 换用 XmlReader
    //InputStreamReader reader = new InputStreamReader(is, ResponseHandler.getCharacterEncoding(connection));
    XmlReader reader = new XmlReader(connection);
    SyndFeedInput input = new SyndFeedInput();
    SyndFeed feed = input.build(reader);

    那么中文不用转码也能正确显示了，不过修改源码后我再解析 百度新闻 RSS 的时候，底层的JDOM却会抱错说xml 格式不正确。也许Rome的开发者也遇到过这样的问题，所以才没有使用 XmlReader。

二. rssutils
    它是一个工具包，sun 的 develope站点上有文章 RSS Utilities: A Tutorial 专门介绍用taglib 显示RSS内容，附带的可以下载这个工具包，但我从网上搜索不到它的出处，自然也无法看到它的源码。但从反编译的代码来看，也是sun公司内部高手所做， 设计精巧，代码简练。实现一个handler，用sax的方式解析xml内容，handler内部用反射和javabean的机制构造RSS元素对象并赋 值。代码片断如下：

        RssParser parser = new RssParserImpl();
        Rss rss = parser.parse(new URL(url));
        System.out.println(rss.getChannel().getTitle());
        for (Iterator iter = rss.getChannel().getItems().iterator(); iter.hasNext();) {
            Item item = (Item)iter.next();
            System.out.println("" + item.getTitle() + " " + item.getPubDate());
        }

     如上所示，代码也是相当简单，没有转码的需求，时间也正确显示（因为根本没做分析，当字符串直接返回）。但是该工具包并非真正对外公布，代码中有些不严谨 的地方，如System.out的输出，很不爽。而且如果 RSS 的 xml内容如果缺少部分不常用元素 ，它也会printStackTrace一大串，服了它了。另外还有一个大问题，就是当我用它解析 百度新闻 的时候，直接就报错：org.xml.sax.SAXParseException: 字符转换错误：“Unconvertible UTF-8 character beginning with 0xb0”。网上查了查，可能是 java 修改过的 UTF-8 和标准 UTF-8 些微不兼容导致。详情参看 Java 平台中的增补字符  一文。

三.  rsslib4j
    rsslib4j 是 sourceforget 上的项目，主页是 http://sourceforge.net/projects/rsslib4j ，现在最新的版本是0.2，才0.2，可是开发状态却已经是稳定产品化了。同样支持所有RSS版本。
    rsslib4j 解析 RSS 的方式和 rssutils 一样，我看了看源码，设计比较简单，代码可读性一般，大量使用if。代码片断如下：

        RSSHandler hand = new RSSHandler();
        RSSParser.parseXmlFile(new URL(url), hand, false);
        RSSChannel ch = hand.getRSSChannel();
        System.out.println(ch.toString());
        LinkedList lst = hand.getRSSChannel().getItems();
        for (int i = 0; i < lst.size(); i++) {
            RSSItem itm = (RSSItem) lst.get(i);
            System.out.println(itm.toString());
       }

     看起来也是相当清晰易懂，执行结果也和rssutils一样，不过用它来解析 百度新闻 却不会出现 rssutils 的utf-8编码错误，真是奇怪，两者都是调JAXP的 SAXParser 。不过它的代码也有bug，不能解析出 channel 的一些信息，查看源码，有点简单逻辑错误，修正后解决。想写封email给项目开发者可惜英文不行，通过cvs去commit一下也嫌麻烦，作罢。

总结

Rome:
优 - 1）可扩展性好，有前途。2）功能强大，除了用来解析RSS，还可以聚合和构造RSS。
劣 - 1）兼容性待加强，2）绑定jdom。为什么不喜欢 jdom呢，因为它api 老变，还很绝，搞得不兼容。

rssutils:
优 - 1）代码设计精妙，值得学习。2）附带 taglib 实现，直接可在 jsp 中应用。
劣 - 1）没有源码。 2）兼容性有待加强。 3）功能较弱，只能用来解析RSS，没有聚合和构造RSS功能。

rsslib4j:
优 - 1）简单有效，体积小。2）兼容性不错。
劣 - 1）有小bug。2）功能较弱，只能用来解析RSS，没有聚合和构造RSS功能。

编辑选择： rsslib4j
我只用来读读新浪新闻，rsslib4j 够用就好，不过要自己修改和编译源码。