Java备份博客文章之RSS

 

2002开始写博客, 不知不觉已经几年过去了, 回头一看自己居然写了几百篇文章,  越想越佩服自己. 不幸的是有些博客因为太久没用忘记密码了, 网站的修改密码和help页却总是显示505错误,找不回密码了. 想想这些文章可是我一个字一个字打出来的, 就这么没了实在可惜, 一篇一篇备份实在麻烦, 唉 ... 失去了才知道珍惜 ... 痛定思痛,   为了证明我曾经也像韩寒那样能写, 我必须想个法子把把忘记密码的和没忘记密码的博客统统备份一下. 于是乎, 写个博客备份工具:

 

主要的思路是:

1.  分析网站的博客页面, 抓取博客内容;

2.  博客内容保存在xml作为原始数据;

3.  再加个rss订阅, 追加新数据

 

 

 

rss采用rome, 抓取用htmlparser

 

import java.net.URL;
import java.util.List;

import com.sun.syndication.feed.synd.SyndEntry;
import com.sun.syndication.feed.synd.SyndFeed;
import com.sun.syndication.io.SyndFeedInput;
import com.sun.syndication.io.XmlReader;

public class RomeTest {
	public static void main(String[] args) throws Exception {
		URL url=new URL("http://blog.sina.com.cn/rss/1191258123.xml");
		SyndFeedInput input=new SyndFeedInput();
		SyndFeed feed=input.build(new XmlReader(url));
		List list=feed.getEntries();
		for(int i=0;i<list.size();i++){
			SyndEntry entry=(SyndEntry)list.get(i);
			System.out.println(entry);
		}
	
	}
}

 

评论

4 楼 glamey 2010-07-30  

呵呵，其实最简单的事情，就是通过正则表达式来定位就行了。

3 楼 c.zhiwu 2010-07-29  

fanfq 写道

这样好像取的不全，不知道你的几百篇文章是怎么取出来的。

我主要是通过分析html结构(因此也无法适应所有网站), 根据特定的标签来定位内容:oops:
不知道你用的是什么方法,能否交流一下

2 楼 fanfq 2010-07-29  

本人曾经将这个网站的上的所有文章弄下来，http://www.sooperarticles.com，不用rss，不用htmlparser。照样可以。但是我用的方法不适合所有的网站。

1 楼 fanfq 2010-07-29  

这样好像取的不全，不知道你的几百篇文章是怎么取出来的。