基于Web2.0的Web剪切Portlet

    这个Portlet采用Web2.0技术实现，其原因在于，如果读取目标HTML页面是同步载入的话，当页面含有大量的此类Portlet的时候，Portal页面必须要等到所有的Web剪切Portlet都载入后才能够显示出来，当目标页面所在的服务器在Internet的时候，Portal页面的载入过程将会变得非常缓慢。采用的Web2.0的异步载入的方式，将能够很大程度的提高页面载入速度。
下面描述的是这个Portlet的实现思路：
1. 首先显示一个展示有“载入内容”的HTML页面，Portal页面打开时首先显示该页面；
2. 通过XMLHttpRequest对象请求服务器端的Servlet将目标HTML页面读出来；
3. 解析HTML页面，将要截取的HTML区段解析出来；
4. 通过正则表达式将HTML区段中的相关资源的相对引用转换为绝对引用；
5. 根据需要，将HTML区段中的CSS定义替换为新的CSS定义。
6. 对Portlet进行局部刷新，显示截取内容。

<%@page language="java" contentType="text/html; charset=GB18030"
	pageEncoding="GB18030" session="false"%>
<%@taglib uri="http://java.sun.com/portlet" prefix="portlet"%>
<%@ page import="javax.portlet.PortletPreferences,com.ibm.webclipping.Constants" %>
<portlet:defineObjects />
<div id="content" align="center"  style="width:100%;height:100%">
<script name="script" language="JavaScript">{
	if (window.XMLHttpRequest){
		xmlObj = new XMLHttpRequest();
	}else if (window.ActiveXObject){
		xmlObj = new ActiveXObject("Microsoft.XMLHTTP");
	}
	xmlObj.onreadystatechange = handleResponse;
			
<% PortletPreferences preference = renderRequest.getPreferences(); %>
var params = <%= "\"" + Constants.KEY_URL + '=' + preference.getValue(Constants.KEY_URL, "") + '&' +
	Constants.KEY_CHARTSET + '=' + preference.getValue(Constants.KEY_CHARTSET, "") + '&' +
	Constants.KEY_BEGINTAG + '=' + preference.getValue(Constants.KEY_BEGINTAG, "") + '&' +
	Constants.KEY_ENDTAG + '=' + preference.getValue(Constants.KEY_ENDTAG, "") + '&' +
	Constants.KEY_REGULATOR + '=' + preference.getValue(Constants.KEY_REGULATOR, "") + '&' +
	Constants.KEY_REPLACEMENT + '=' + preference.getValue(Constants.KEY_REPLACEMENT, "") + "\""%>;
	xmlObj.open("POST",'<%= renderResponse.encodeURL(renderRequest.getContextPath()+"/ReadContentServlet")%>',true);
	xmlObj.setRequestHeader("content-type", "application/x-www-form-urlencoded");
	xmlObj.setRequestHeader("content-length", params.length);
	xmlObj.send(params); 	
}
	function handleResponse() {
		if (xmlObj.readyState == 4){//xmlObj loaded	    
			if (xmlObj.status == 200){
				var datas = xmlObj.responseText;
				var obj = document.getElementById("content");
				obj.innerHTML = datas;
			}
		}
	}
</script>
<img src='<%= renderResponse.encodeURL(renderRequest.getContextPath()+"/images/loading.gif") %>'/>
</div>

Constants.KEY_URL：目标页面的URL
Constants.KEY_CHARTSET：目标页面的编码
Constants.KEY_BEGINTAG：目标页面要截取内容的开始html内容
Constants.KEY_ENDTAG：目标页面要截取内容的结束html内容
Constants.KEY_REGULATOR：匹配正则表达式
Constants.KEY_REPLACEMENT：匹配内容的替换表达式


通过HTTP请求将目标HTML内容读出来，为了达到这个目标，我们采用java.net.URL对象来实现，通过这个对象，我们可以把指定地址的HTML内容读出到一个字符串中，为下一步的处理做准备。

//读取strURL中的HTML内容
URL url = new URL(strURL);		   
StringBuffer buffer = new StringBuffer();
String strLine = "";
//从URL中读取内容，
InputStreamReader reader = new InputStreamReader(url.openStream(),charsetName);
BufferedReader br = new BufferedReader(reader);
while ((strLine = br.readLine()) != null) {
	buffer.append(strLine.toLowerCase());
	buffer.append("\r\n");
}
br.close();

这段代码中有两个需要注意的地方，第一是变量charsetName，这个变量必须与目标HTML页面的编码一致，否则会有乱码出现，尤其是中文环境下。第二个重点是buffer.append("\r\n")，当我们从目标HTML页面读取内容到一个字符串中的时候，我们必须要保证目标HTML的内容原原本本的读入到字符串中。由于我们在后面的步骤中要对其进行切割和替换，所以这一点尤其重要。

第三步就是要将读出的HTML内容进行截取，获得要剪切的那部分页面内容。我们通过字符串的indexOf方法来实现。

int beginIndex = buffer.indexOf(beginTag,0);
if(-1 == beginIndex){
result = "未找到起始字符串";
}
//System.out.println("beginIndex is " + beginIndex);
int endIndex = buffer.indexOf(endTag,0);
if(-1 == endIndex){
    result = "未找到结束字符串";
}	
buffer.substring(beginIndex, endIndex);

下面，我们就要通过正则表达式对截取的HTML内容进行替换。在进行内容截取的时候，页面上的资源（例如，图片，超链接，js等）都是采用的相对地址，这里需要将这些相对地址替换为绝对地址，当展示在Portal上不会出现空连接的错误。同时还可以根据需要对class进行替换，使其与整个门户的风格一致。下面的这段代码通过循环一次性的对HTML中的内容进行替换。

//获取beginTag和endTag之间的内容，并对其进行匹配
Pattern pattern = Pattern.compile(reg);
Matcher matcher = pattern.matcher(buffer.substring(beginIndex, endIndex));
StringBuffer replacementResult = new StringBuffer();
//分解reg和replacement的区段
// regToken是通过”|”进行分割的正则表达式集合
StringTokenizer regToken = new StringTokenizer(reg,"|");
// replacementToken是通过”|”进行分割的替换内容集合，与正则表达式集合一一对应
StringTokenizer replacementToken = new StringTokenizer(replacement,"|");				
//对匹配出的内容依次进行替换
while(matcher.find()){				    
String matched = matcher.group();					
	//循环判断应该替换哪个内容
	while(regToken.hasMoreElements()){		
		Pattern subPattern = Pattern.compile(regToken.nextToken());
		Matcher subMatcher = subPattern.matcher(matched);
		if(subMatcher.matches()){
			matcher.appendReplacement(replacementResult, replacementToken.nextToken());
			break;
		}
		else
			//如果匹配不成功，将replacementToken的指针向下移动一级
			replacementToken.nextToken();
		}					
		//初始化两个Token，重新开始比对
		regToken = new StringTokenizer(reg,"|");
		replacementToken = new StringTokenizer(replacement,"|");
	}
	matcher.appendTail(replacementResult);
	result = replacementResult.toString();
}

上述方式有一定的局限性，但是在大多数场合能够应用，可以通过定制实现更强大的能力。