花了一個(gè)下午，去sourceforge和google 上搜索 opensource 的 java rss lib，還真有不少（順便提一下，sourceforget的搜索真的很爛）。簡(jiǎn)單過(guò)濾以后，覺(jué)得以下三個(gè)類(lèi)庫比較有搞頭。Rome 、rssutils和rsslib4j。具體的評測如下：
一. Rome
Rome 是 java.net 上的一個(gè)開(kāi)源項目，現在的版本是0.5。為什么叫Rome呢，按它的介紹上的說(shuō)法，有個(gè)“條條大路通羅馬”的意思，有些RSS的意味。Rome可能是 sun 公司從自己某個(gè)子項目中抽離出來(lái)的，package和類(lèi)的命名就象j2sdk一樣感覺(jué)規范。功能上支持RSS的所有版本及 Atom 0.3(Atom是和RSS類(lèi)似的一種內容聚合的方式)。Rome 本身是提供API和功能實(shí)現，其下獨立出一個(gè) rome-fetcher 項目，專(zhuān)門(mén)用來(lái)讀取RSS內容。正和我意啊。
參照 fetcher 上的范例，解析 RSS 相當簡(jiǎn)單，代碼片斷如下：
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() + "]");
}
為什么用 new String(feed.getTitle().getBytes("iso8859-1"), "utf-8") 進(jìn)行轉碼，是因為Rome來(lái)解析 新浪新聞 RSS的時(shí)候試圖從 URLConnection 的 header 中得到編碼信息，否則總是用 iso8859-1。而新浪的RSS response header 中不包含編碼信息，所以要做一番轉碼。另外還有就是 entry.getPubDate() 也將返回null，因為Rome 用多種pattern 去試圖解析時(shí)間信息，新浪的時(shí)間格式還是符合RFC822的，但是Rome 使用SimpleDateFormat 來(lái)解析時(shí)間，它忘記了一點(diǎn)，就是 SimpleDateFormat的解析是關(guān)聯(lián)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時(shí)間字符。以上代碼前加 Locale.setDefault(Locale.Englisth) 可以搞定，但總覺(jué)得不爽。
如果也不想轉碼的話(huà)，Rome 還提供了一個(gè) XmlReader 的類(lèi)，通過(guò)分析 header 和 xml 內容推斷 encoding，修改 HttpURLFeedFetcher 的源碼 :
// 改變 InputStreamReader , 換用 XmlReader
//InputStreamReader reader = new InputStreamReader(is, ResponseHandler.getCharacterEncoding(connection));
XmlReader reader = new XmlReader(connection);
SyndFeedInput input = new SyndFeedInput();
SyndFeed feed = input.build(reader);
那么中文不用轉碼也能正確顯示了，不過(guò)修改源碼后我再解析 百度新聞 RSS 的時(shí)候，底層的JDOM卻會(huì )抱錯說(shuō)xml 格式不正確。也許Rome的開(kāi)發(fā)者也遇到過(guò)這樣的問(wèn)題，所以才沒(méi)有使用 XmlReader。
二. rssutils
它是一個(gè)工具包，sun 的 develope站點(diǎn)上有文章 RSS Utilities: A Tutorial 專(zhuān)門(mén)介紹用taglib 顯示RSS內容，附帶的可以下載這個(gè)工具包，但我從網(wǎng)上搜索不到它的出處，自然也無(wú)法看到它的源碼。但從反編譯的代碼來(lái)看，也是sun公司內部高手所做，設計精巧，代碼簡(jiǎn)練。實(shí)現一個(gè)handler，用sax的方式解析xml內容，handler內部用反射和javabean的機制構造RSS元素對象并賦值。代碼片斷如下：
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());
}
如上所示，代碼也是相當簡(jiǎn)單，沒(méi)有轉碼的需求，時(shí)間也正確顯示（因為根本沒(méi)做分析，當字符串直接返回）。但是該工具包并非真正對外公布，代碼中有些不嚴謹的地方，如System.out的輸出，很不爽。而且如果 RSS 的 xml內容如果缺少部分不常用元素 ，它也會(huì )printStackTrace一大串，服了它了。另外還有一個(gè)大問(wèn)題，就是當我用它解析 百度新聞 的時(shí)候，直接就報錯：org.xml.sax.SAXParseException: 字符轉換錯誤：“Unconvertible UTF-8 character beginning with 0xb0”。網(wǎng)上查了查，可能是 java 修改過(guò)的 UTF-8 和標準 UTF-8 些微不兼容導致。詳情參看 Java 平臺中的增補字符 一文。
三. rsslib4j
rsslib4j 是 sourceforget 上的項目，主頁(yè)是 http://sourceforge.net/projects/rsslib4j，現在最新的版本是0.2，才0.2，可是開(kāi)發(fā)狀態(tài)卻已經(jīng)是穩定產(chǎn)品化了。同樣支持所有RSS版本。
rsslib4j 解析 RSS 的方式和 rssutils 一樣，我看了看源碼，設計比較簡(jiǎn)單，代碼可讀性一般，大量使用if。代碼片斷如下：
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 < lst.size(); i++) {
RSSItem itm = (RSSItem) lst.get(i);
System.out.println(itm.toString());
}
看起來(lái)也是相當清晰易懂，執行結果也和rssutils一樣，不過(guò)用它來(lái)解析 百度新聞 卻不會(huì )出現 rssutils 的utf-8編碼錯誤，真是奇怪，兩者都是調JAXP的 SAXParser 。不過(guò)它的代碼也有bug，不能解析出 channel 的一些信息，查看源碼，有點(diǎn)簡(jiǎn)單邏輯錯誤，修正后解決。想寫(xiě)封email給項目開(kāi)發(fā)者可惜英文不行，通過(guò)cvs去commit一下也嫌麻煩，作罷。
總結
Rome:
優(yōu) - 1）可擴展性好，有前途。2）功能強大，除了用來(lái)解析RSS，還可以聚合和構造RSS。
劣 - 1）兼容性待加強，2）綁定jdom。為什么不喜歡 jdom呢，因為它api 老變，還很絕，搞得不兼容。
rssutils:
優(yōu) - 1）代碼設計精妙，值得學(xué)習。2）附帶 taglib 實(shí)現，直接可在 jsp 中應用。
劣 - 1）沒(méi)有源碼。 2）兼容性有待加強。 3）功能較弱，只能用來(lái)解析RSS，沒(méi)有聚合和構造RSS功能。
rsslib4j:
優(yōu) - 1）簡(jiǎn)單有效，體積小。2）兼容性不錯。
劣 - 1）有小bug。2）功能較弱，只能用來(lái)解析RSS，沒(méi)有聚合和構造RSS功能。
編輯選擇： rsslib4j
我只用來(lái)讀讀新浪新聞，rsslib4j 夠用就好，不過(guò)要自己修改和編譯源碼。
聯(lián)系客服
