Java获取网络RSS源并使用SAXParser解析

阅读更多

最近在项目中有一个需求就是读取网络RSS源数据，并将指定的节点生成json数据返回前端展示。要完成以上功能，首先了解三个知识点：
1. 什么是RSS源？
RSS源是一种描述和同步网站内容的格式，是目前使用最广泛的XML应用，一个RSS文件就是一段规范的XML数据，该文件一般以rss，xml或者rdf作为后缀。（摘自 百度百科）

2. 怎么读取网络资源？
最常见的读取网络资源的方式就是浏览器访问，浏览器封装一个网络请求到某个服务器上获取数据返回。也可以使用一些其他工具模拟网络请求获取数据返回。
在Java中，可以直接使用apache的HttpConnection请求网络资源，也可以使用apache的HttpClient，它是对HttpConnection的封装，使用更加简单。

3. 怎么解析Xml数据？
在Java中，解析Xml数据的方式很多，常用的几种方式：
(a). XML DOM
DOM 是W3C的标准，定义了访问HTML和XML文档的标准。
XML DOM 定义了所有 XML 元素的对象和属性，以及访问它们的方法（接口）。

(b). SAX
SAX是一个用于处理XML事件驱动的“推”模型，虽然它不是W3C标准，但它却是一个得到了广泛认可的API。SAX解析器不像DOM那样建立一个完整的文档树，而是在读取文档时激活一系列事件，这些事件被推给事件处理器，然后由事件处理器提供对文档内容的访问。SAX的工作原理简单地说就是对文档进行顺序扫描，当扫描到文档（document）开始与结束、元素（element）开始与结束、文档（document）结束等地方时通知事件处理函数，由事件处理函数做相应动作，然后继续同样的扫描，直至文档结束。

(c).JDOM
JDOM是一个开源项目，它基于树型结构，利用纯JAVA的技术对XML文档实现解析、生成、序列化以及多种操作。
JDOM是用Java语言读、写、操作XML的新API函数。在直接、简单和高效的前提下，这些API函数被最大限度的优化。

(d).DOM4J
dom4j是一个Java的XML API，类似于jdom，用来读写XML文件的。dom4j是一个非常非常优秀的Java XML API，具有性能优异、功能强大和极端易用使用的特点，同时它也是一个开放源代码的软件，可以在SourceForge上找到它。在IBM developerWorks上面可以找到一篇文章，对主流的Java XML API进行的性能、功能和易用性的评测，dom4j无论在哪个方面都是非常出色的。如今你可以看到越来越多的Java软件都在使用dom4j来读写XML，特别值得一提的是连Sun的JAXM也在用dom4j。这是必须使用的jar包， Hibernate用它来读写配置文件。（摘自 百度百科）

综述，几种方式的比较（摘自 java解析xml的4种经典方法）：
1）DOM4J性能最好，连Sun的JAXM也在用DOM4J.目前许多开源项目中大量采用DOM4J，例如大名鼎鼎的Hibernate也用DOM4J来读取XML配置文件。如果不考虑可移植性，那就采用DOM4J.
2）JDOM和DOM在性能测试时表现不佳，在测试10M文档时内存溢出。在小文档情况下还值得考虑使用DOM和JDOM.虽然JDOM的开发者已经说明他们期望在正式发行版前专注性能问题，但是从性能观点来看，它确实没有值得推荐之处。另外，DOM仍是一个非常好的选择。DOM实现广泛应用于多种编程语言。它还是许多其它与XML相关的标准的基础，因为它正式获得W3C推荐（与基于非标准的Java模型相对），所以在某些类型的项目中可能也需要它（如在JavaScript中使用DOM）。
3）SAX表现较好，这要依赖于它特定的解析方式－事件驱动。一个SAX检测即将到来的XML流，但并没有载入到内存（当然当XML流被读入时，会有部分文档暂时隐藏在内存中）。

在了解以上的基本知识以后，就可以直接搞coding了。
我们使用Httpclient请求网络RSS资源，利用SAX解析RSS xml内容。
一、RSS源数据格式：

	
		
		http://rss.zhaopin.com
		
			
			http://marketing.hunteron.com/?p=876
			内容1
			0
		
		
			
			http://marketing.hunteron.com/?p=872
			内容2
			0
		
	

需要读取并保存标签里面的