RSS读取生成

学习资料：   http://www.itxuexi.com/w3school/rss/rss_syntax.html

 

 

Java开源RSS组件包（Java Open Source RSS Lib Packages）



    * RSSLibJ

RSSLibJ是一个专门读取和生成RSS的小巧实用的Java库，大小仅25k。

    *  RSSLib4J

RSSLib4J 是一套用于从RSS Feed解析和检索信息的Java API。它支持RSS version0.9x ,1.0和2.0规范，Doublin内核和Syndication名字空间。

    * BlogBridge

BlogBridge是一个RSS阅读器/合成器，专为阅读和处理大量RSS feed的人而提供。这些典型的有Weblogs, 但也有其它类型的RSS feed。

    * Flock

Flock是一种RSS/RDF用Java编写的信息集成器。它是一种server-side应用程序，带有一个浏览器。

    * RSSOwl

RSSOwl 是一个完全用 Java 的SWT快速图形库开发的 RSS / RDF / Atom 新闻阅读器。按类别读取新闻，分类存储收藏信息，导出为 PDF / RTF / HTML / OPML，从 OPML格式导入，支持全文本搜索，使用Internet浏览器。

    * Informa

Informa提供一个基于Java的RSS类库.它支持导出,导入,存储,搜索等。

    * Jena

Jena 是一个由HP实验室开发的表示和处理半结构化数据（主要是基于RDF的管理、查询等）的Java开源项目。目前是Jena2版本，Jena1做到了支持 RDF的数据表达、解析、查询（采用RDQL）和简单的推理，Jena2的目标在支持本体（包括DAML、RDFS和OWL的应用程序接口API）。

    * RSS Reader

RSS Reader提供了一个Java API和一个图形客户端来分析与显示RSS格式的内容。

    * Schema

Schema是一个利用RDF与RDF Schema进行存储,查询,讨论(reasoning )的Java开源框架.Sesame既可以当作RDF与 RDF Schema的数据库或当作一个Java 库用来为应用程序提供RDF的功能.

    * RSS Notifier

RSS Notifier是一个RSS Feed阅读器,它设计成一个Window托盘程序随Windows的启动一起加载.它用基于使用RSS文件的新闻订阅方式来阅读即时新闻.

    * Sesame

inferencing是一个用于存储,查询,解析RDF的Java框架.它可被配置作为一个web服务器或当一个Java包来使用.它的特点包括3种查询语言(SeRQL, RQL, RDQL),支持内存(RAM),磁盘(disk),与RDBMS存储.

    * FaceRSS

FaceRSS是一个简单的JSF组件,它可以从指定的RSS url读取新闻并展示出来。 FaceRSS基于rsslib4j这个开源包进行构建所以它支持RSS 0.9x,1.0,和2.0。

    * ROME

ROME是一组Atom/RSS工具类它使得用Java来操作大部份syndication格式变得更加容易:
# RSS 0.90
# RSS 0.91 Netscape
# RSS 0.91 Userland
# RSS 0.92
# RSS 0.93
# RSS 0.94
# RSS 1.0
# RSS 2.0
# Atom 0.3
# Atom 1.0
ROME不仅包括各种syndication feeds的解析器与生成器,而且还包括能够把一种格式转换成另外一种格式的转换器。

    * HORRORss

HORRORss是一个简单的RSS(RSS0.9x,RSS.0,RSS2.0)解析包。它支持Atom feeds，但并没有完全符合Atom规范。只能支持一些基本的feed元素：title,link,author,和description。

上面我们看到了一份 RSS Lib 列表，Java 的类库就是丰富，而且都是开源的。
这么多让我眼花缭乱，用哪个呢？再转贴一份评测吧，这篇评测来自：http://www.yangzhe.net/blog/index.php/20050915/21.html

我的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() + “]”);
}

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);

// 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());
}

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 RSSItem itm = (RSSItem) lst.get(i);
System.out.println(itm.toString());
}

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 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。
另外我还找到了一个ThinFeeder： ThinFeeder is an open source software that aims to provide a cross-platform, powerful and tiny RSS / Atom (currently RSS 0.9x, RSS 1.0 / RDF, RSS 2.0 and Atom 0.3) aggregator for desktop, using the Java development language. It has a few goals that wants to make the reading news experience the most pleasant possible:

    * Anti-aliasing support on any Operating System
    * Skins support
    * Multi-language support:
          o Catalan
          o Dutch
          o English
          o Esperanto
          o French
          o German
          o Lithuanian
          o Portuguese (Brazil)
          o Spanish
          o Swedish

没看到 Chinese，那就算了。好了，就用 Rome 了。条条大道通罗马～，只要写一套代码就能输出下面各种格式：

rss_0.9 (RSS 0.90)
rss_0.91N (RSS 0.91 Netscape)
rss_0.91U (RSS 0.91 Userland)
rss_0.92 (RSS 0.92)
rss_0.93 (RSS 0.93)
rss_0.94 (RSS 0.94)
rss_1.0 (RSS 1.0)
rss_2.0 (RSS 2.0)
atom_0.3 (Atom 0.3)
atom_1.0 (Atom 1.0)

rss_0.9 (RSS 0.90)
rss_0.91N (RSS 0.91 Netscape)
rss_0.91U (RSS 0.91 Userland)
rss_0.92 (RSS 0.92)
rss_0.93 (RSS 0.93)
rss_0.94 (RSS 0.94)
rss_1.0 (RSS 1.0)
rss_2.0 (RSS 2.0)
atom_0.3 (Atom 0.3)
atom_1.0 (Atom 1.0)