【原】RSS工具开发手记(12)---Informa的parsers包

【原】RSS工具开发手记(12)---Informa的parsers包

既然知道了FeedParser类只是一个中介类，真正的解析工作都在各个版本号对应的解析器完成，那么下面就从RSS 0.9.x / 2.0系协议解析器开始学习。

★RSS_0_91_Parser

     /** */ /**
     * Private constructor suppresses generation of a (public) default
     * constructor.
     */
     private  RSS_0_91_Parser()  {
    }

     /** */ /**
     * Holder of the RSS_0_91_Parser instance.
     */
     private   static   class  RSS_0_91_ParserHolder  {
        private static RSS_0_91_Parser instance = new RSS_0_91_Parser();
    }

     /** */ /**
     * Get the RSS_0_91_Parser instance.
     */
     public   static  RSS_0_91_Parser getInstance()  {
        return RSS_0_91_ParserHolder.instance;
    }

可以看到解析器都是单例模式，这里比较特别的是使用静态内部类来保存这个单例。 个人认为这里有点多余，静态内部类的作用主要有：
 A.在创建静态内部类的实例前，不需要额外创建外部类的实例
 B.静态内部类可以也只能访问外部类的静态成员和静态方法

内部类的方法通常用在一些隐藏实现细节的地方。通常这些类只对另外的某个类有意义，对其他类来说完全没有作用。如果定义在包里成为独立类，反而显得不协调。所以采用内部类的方式定义在需要使用它的类的内部，隐藏细节。

其次静态内部类的内部变量和方法都必须是静态的，这样我们才可以通过Outerclass.InnerClass.staticMethod的形式来引用他们。

这个类的重点是parse方法，我们都知道了肯定是先从channel节点开始解析。

Element channel  =  root.getChild( " channel " );


ChannelIF chnl  =  cBuilder.createChannel(channel, channel
                .getChildTextTrim( " title " ));

首先获取XML Document的root节点下的channel子节点。然后利用Jdom提供的访问节点文本值的方法获取channel的title。接下来就是调用ChannelBuilder的createChannel了。在这里就用到了Java的多态特性，不同的实现使用不同的构建方法。如果是使用hibernate方法，那么则是如下的过程：

     public  ChannelIF createChannel(Element channelElement, String title,
            String location)  {
        ChannelIF obj = null;
        if (location != null) {
            Query query = session
                    .createQuery("from Channel as channel where channel.locationString = ? ");
            query.setString(0, location);
            obj = (ChannelIF) query.uniqueResult();
        }
        if (obj == null) {
            obj = new Channel(channelElement, title, location);
            session.save(obj);
        } else {
            logger
                    .info("Found already existing channel instance with location "
                            + location);
        }
        return obj;
    }

先从数据库加载，如果找不到就创建然后持久化它。

下面的代码则是对channel下属的子节点和item的获取。

         //  1..n item elements
        List items  =  channel.getChildren( " item " );
        Iterator i  =  items.iterator();
         while  (i.hasNext())  {
            Element item = (Element) i.next();

            ParserUtils.matchCaseOfChildren(item, new String[] { "title",
                    "link", "description", "source", "enclosure" });

            // get title element
            Element elTitle = item.getChild("title");
            String strTitle = "<No Title>";
            if (elTitle != null) {
                strTitle = elTitle.getTextTrim();
            }
            if (logger.isDebugEnabled()) {
                logger.debug("Item element found (" + strTitle + ").");
            }

            // get link element
            Element elLink = item.getChild("link");
            String strLink = "";
            if (elLink != null) {
                strLink = elLink.getTextTrim();
            }

            // get description element
            Element elDesc = item.getChild("description");
            String strDesc = "";
            if (elDesc != null) {
                strDesc = elDesc.getTextTrim();
            }

            // generate new RSS item (link to article)
            ItemIF rssItem = cBuilder.createItem(item, chnl, strTitle, strDesc,
                    ParserUtils.getURL(strLink));
            rssItem.setFound(dateParsed);

            // get source element (an RSS 0.92 element)
            Element source = item.getChild("source");
            if (source != null) {
                String sourceName = source.getTextTrim();
                Attribute sourceAttribute = source.getAttribute("url");
                if (sourceAttribute != null) {
                    String location = sourceAttribute.getValue().trim();
                    ItemSourceIF itemSource = cBuilder.createItemSource(
                            rssItem, sourceName, location, null);
                    rssItem.setSource(itemSource);
                }
            }

            // get enclosure element (an RSS 0.92 element)
            Element enclosure = item.getChild("enclosure");
            if (enclosure != null) {
                URL location = null;
                String type = null;
                int length = -1;
                Attribute urlAttribute = enclosure.getAttribute("url");
                if (urlAttribute != null) {
                    location = ParserUtils.getURL(urlAttribute.getValue()
                            .trim());
                }
                Attribute typeAttribute = enclosure.getAttribute("type");
                if (typeAttribute != null) {
                    type = typeAttribute.getValue().trim();
                }
                Attribute lengthAttribute = enclosure.getAttribute("length");
                if (lengthAttribute != null) {
                    try {
                        length = Integer.parseInt(lengthAttribute.getValue()
                                .trim());
                    } catch (NumberFormatException e) {
                        logger.warn(e);
                    }
                }
                ItemEnclosureIF itemEnclosure = cBuilder.createItemEnclosure(
                        rssItem, location, type, length);
                rssItem.setEnclosure(itemEnclosure);
            }
        }

可以看到，对于这个解析过程，一般的步骤就是：
 A.获取channnel下的某个子节点元素
 B.如果该子节点元素有子元素或属性，则继续递归访问
 C.调用该channnel子元素的createXxx方法加载或创建该子元素
 D.调用Channel的setXxx方法添加该子元素到channel实例中

整个RSS 0.9.1协议的解析过程如下：

================== 根元素 ==================
1 . channel
================== 必需元素 ==================
2 . title
3 .description
4 .link
================== 可选元素 ==================
5 .language
6 .item
7 .image
8 .textinput
9 .copyright
10 .rating
11 .pubDate
12 .lastBuildDate
13 .docs
14 .managingEditor
15 .webMaster
16 .cloud

★RSS_2_0_Parser

比较0.9.1和2.0协议，发现整个解析过程几乎相同。最大的不同有以下两点：

 A.从RSS 2.0协议开始，增加了对名称空间(Namespace)的支持
 B.增加了对几个2.0协议新增元素的解析

在RSS_2_0_Parser类中，每个元素的访问都需要使用name和namespace来区分，默认的namespace是""。其次在RSS 2.0的解析器中增加了对subject、category、author、creator、comments、guid这些元素的解析，这些在0.9.1协议中是没有的元素



-------------------------------------------------------------
生活就像打牌，不是要抓一手好牌，而是要尽力打好一手烂牌。