Android上对非标准RSS进行解析之后的反思

这几天做了一个解析RSS的小东西时碰到了些问题，在这里纪录一下。

1.先说明一下碰到了问题是什么。
最开始本想做个很简单的小东西，在ANDROID下面用SAX解析RSS，
没想到SAX对SINA博客之类的用了[CDATA]的RSS解析得不完整，很多只解析出了一句。
（ps,不知道SINA这种RSS是不是标准的，也许这居于XML的东西根本就没个标准）
另外，SAX对非标准的RSS解析得更差，
这里的‘非标准RSS'是指没用[CDATA]直接在 description里面放上HTML TAG的那种。

具体的问题描述我引用下面一段话

引用

SAX处理完Element事件后, 紧接着会继续读取,并且交由characters进行处理内容.Character处理普通字符没有任何问题, 不会诱发任何监听事件. 而当遇到< [ ] 等字符时,又会触发一个新的characters事件, 也就是说, 如果你仅仅在 Characters 事件中进行处理保存数据(保存到一个变量中)的话, 是没有任何问题的, 只是遇到的时候, 发生了多次的Characters, 而你的代码上对事件的处理方式是一样的, 都是保存到变量中, 所以,变量中仅仅会保留最后一次赋值的数据. 最后一份数据正常情况下均是\n或者空格. 所以造成了,SAX无法读取CDATA数据的表象.

出自：http://www.lshine.com/index.php/2010/07/sax_cdata/comment-page-1/#comment-7226
这个博客是在刚才在重新搜索时找到的，他的分析和我之前判断的一样。
（这个SAX问题我还是没解决，显示的内容是比以前多了，但还是不完整）

当然，如果具体Parser过程有疑问，可以看这个SAX官方网站，看看原理，看看源码：
http://www.saxproject.org/about.html
（SAX最后一次更新是SAX 2.0.2 (sax2 r3),在27-April 2004…不知道ANDROID里面的是不是这个版本…)


2.再说一下怎么解决问题。
SAX不行就换别的，DOM和PullXmlParser都可以。
这里先介绍一个：
http://zhoujianghai.iteye.com/blog/755749
他的这个比我的好，我看sdk和那些Tutorials快一个月了，写个东西还不能得心应手，
真是差距啊……

人家总结的也好：

引用

1）RSS的文件结构和含义
2）解析xml文件的几种方式
3）android应用的结构和MVC模式 
4）activity的生命周期，
      activity之间通过intent通信，
      handler消息机制，
     自定义ListView，
      LinearLayout、
      RelativeLayout、
      FrameLayout布局界面，
      WebView显示网页。
      android数据存储（SQLite3）的相关操作，
      菜单和对话框、Toast的使用，
      android的测试驱动，                    （！）
      uses-permission权限配置

这些，我花了一个月都像是在盲人摸象，完全没个纲领去系统的学习。
对我而言，还应该加上多线程之类的比较基础的东西……
真的反思一下了……

最后贴个东西：
1.Android XML Parser Performance，性能分析。留着备用。
http://www.developer.com/ws/article.php/10927_3824221_2/Android-XML-Parser-Performance.htm

2.下面是另一个人的SAX和PullxmlParser的代码，我写的东西太差，就不拿出来丢人现眼了……
http://blog.chinaunix.net/u2/85805/showart_1678985.html

over.

评论

3 楼 yxfcd 2010-12-08  

其实解决方案是有的，假设带有html的内容在<desc> ... some html code ... </desc>

1. 定义一boolean flag和StringBuilder
2. 在startElement 中检测localName 是否为desc,若是，flag置真，初始化StringBuilder
3. 在endElement 中检测localName 是否为desc,若是，flag置假，取得StringBuilder的值，即为html的内容
4. 在characters 中，只要flag值为真，追加new String(ch, start, length)到StringBuilder

代码如下：
private boolean isDescStarted = false;
private StringBuilder textDesc = new StringBuilder();

public void startElement(String namespaceURI, String localName,String qName, Attributes atts) throws SAXException {
if (localName.equals("desc")){
isDescStarted = true;
textDesc = new StringBuilder();
return;
}
//...
}

public void endElement(String namespaceURI, String localName, String qName) throws SAXException{
if (localName.equals("desc")){
isDescStarted = false;
String desc = textDesc.toString();
return;
}
//...
}


public void characters(char ch[], int start, int length){
if (isDescStarted) {
textDesc.append(new String(ch, start, length));
}
//...
}

2 楼 lovext 2010-11-26  

aa87963014 写道

CDATA 这个问题 我也遇到过，开始没有想到是android的原因

以为是开源代码的问题，也是盲人摸象 后来对比之后确定是 android api问题

之后改为其他的就好了

是的，用XmlPullParser就可以了.

但是解析CDATA ，或者”description里面直接是很多HTML TAG“的问题是SAX的处理方式造成的，我没用ANDROID自带的api,而是用的org.xml.sax，可以解析，但是只能出现一部分内容。

具体的分析在上面的说过了，但是那个连接里面提到的解决方法我试过了，仍然未能成功，有时间的话会继续研究。

1 楼 aa87963014 2010-11-26  

CDATA 这个问题 我也遇到过，开始没有想到是android的原因

以为是开源代码的问题，也是盲人摸象 后来对比之后确定是 android api问题

之后改为其他的就好了