【毕设资料】Web版RSS阅读器（四）——定制自己的Rss解析库myrsslib4j

最新推荐文章于 2022-09-19 11:42:43 发布

提拉米苏x

最新推荐文章于 2022-09-19 11:42:43 发布

阅读量1.3k

点赞数

分类专栏：【毕业设计】

【毕业设计】专栏收录该内容

17 篇文章 0 订阅

订阅专栏

在上篇博文《Web版RSS阅读器（三）——解析在线Rss订阅》中，已经提到了遇到的问题，这里再详细说一下。

在解析rss格式的订阅时，遇到的最主要的问题是，出现了“Server returned HTTP response code: 403 for URL: http://xxxxxx”的错误，百度一下就知道，这是在网站访问中很常见的一个错误，服务器理解客户的请求，但拒绝处理它。即拒绝访问！接着查资料，得知某些服务器（比如CSDN博客）拒绝java作为客户端进行对其的访问，所以在解析时，会抛异常。

不让访问怎么办，别怕，我们上有政策，下有对策。通过设置User-Agent来欺骗服务器，从而访问服务器。

connection.setRequestProperty("User-Agent", "Mozilla/4.0 (compatible; MSIE 5.0; Windows NT; DigExt)");    //用UA伪装访问连接对象

但是折腾了半天，发现只有修改rsslib4j.jar才能给连接对象设置UA。只好找源码修改一下了，N久之后，在 Google Code上猎取到一个开源的项目newrsslib4j，它是在rsslib4j的基础上修改而来的，项目开源主页：http://code.google.com/p/newrsslib4j/。满怀欣喜的下载下来，结果发现，依旧有403的问题。一狠心，自己来做一个rsslib，然后就checkout了newrsslib4j的源码，自己动手改动。
1. 修改403 forbidden问题。

修改org.gnu.stealthp.rsslib包中的RssParser类的setXmlResource()方法，给URLConnection对象，添加UA。

  /**
   * Set rss resource by URL
   * @param ur the remote url
   * @throws RSSException
   */
  public void setXmlResource(URL ur) throws RSSException{
    try{
      
      URLConnection con = u.openConnection();
      
      //-----------------------------
      //添加时间：2013-08-14 21:00:17
      //人员：@龙轩
      //博客：http://blog.csdn.net/xiaoxian8023
      //添加内容：由于服务器屏蔽java作为客户端访问rss，所以设置User-Agent
      con.setRequestProperty("User-Agent", "Mozilla/4.0 (compatible; MSIE 5.0; Windows NT; DigExt)");
      //-----------------------------

      con.setReadTimeout(10000);
	  String charset = Charset.guess(ur);
	  is = new InputSource (new UnicodeReader(con.getInputStream(),charset));
      if (con.getContentLength() == -1 && is == null){
        this.fixZeroLength();
      }
    }catch(IOException e){
      throw new RSSException("RSSParser::setXmlResource fails: "+e.getMessage());
    }
  }

修改org.mozilla.intl.chardet包中的Charset类的guess()方法，注释掉原来的InputStream对象，创建URLConnection，设置User-Agent，通过URLConnection对象创建InputStream :

	//judge from url  
	public static String guess(URL url) throws IOException {
		
		//-----------------------------
		//修改时间：2013-08-14 21:00:17
		//人员：@龙轩
		//博客：http://blog.csdn.net/xiaoxian8023
		//修改内容：注释InputStream，创建URLConnection，设置User-Agent，通过URLConnection对象创建InputStream
		
		//InputStream in = url.openStream();
		URLConnection con = url.openConnection();
	    con.setRequestProperty("User-Agent", "Mozilla/4.0 (compatible; MSIE 5.0; Windows NT; DigExt)");
	    InputStream in = con.getInputStream();
	 	//-----------------------------

		return guess(in);
	}

2. 添加获取文章摘要的方法

测试以后，发现Rss格式的订阅，居然没有提供一个获取内容摘要的方法。所以，继续修改。修改org.gnu.stealthp.rsslib包中的RssObject类，添加一个getSummary()方法，用来获取内容摘要：

  //-----------------------------------
  //添加时间：2013-08-14 19:32:15
  //人员：@龙轩
  //添加内容：添加getSummary()方法，返回文章摘要信息
  /**
   * Get the element's summary
   * @return the summary
   */
  public String getSummary(){

		String summary = getDescription();
		if (summary.length() >= 300) {
			summary = summary.substring(0, 300);
		}
		
		String regEx_html = "\\s|<[^>]+>|&\\w{1,5};"; // 定义HTML标签和特殊字符的正则表达式

		Pattern pattern = Pattern.compile(regEx_html,Pattern.CASE_INSENSITIVE);
		Matcher matcher = pattern.matcher(summary);
		summary = matcher.replaceAll(""); // 过滤script标签

		if (summary.length() >= 100) {
			summary = summary.substring(0, 100);
		}
		summary = summary + "...";

		return summary;
  }
  //添加结束-----------------------------------------------

3. 解决解析不完全问题
网易博客可以很好的解析出博客的link，language等节点，但是csdn、某些新闻资讯网站则不行。花了很长的时间去找问题，终于在不经意间，发现网易的博客节点的排列顺序与别的不一样，link，language等节点排在image节点上面的，而csdn则是在image的下面（如图），程序在解析时，先解析channel下的节点，写入到channel中，读取到image，则标记解析channel的变量为false，然后开始解析image节点下的内容。解析完毕以后，又要去解析channel节点下的link时，channel标记已经为false了，不能再继续解析，所以总是返回null。

修改方案也很简单，就是所有标记解析channel为false的节点，在解析完毕该节点后，重新标记解析channel为true，这样就可以继续解析channel节点下的其他值。具体修改操作：查看org.gnu.stealthp.rsslib包的RSSHandler类的startElement()方法，看看谁执行了 reading_chan = false; 这句代码。然后在endElement()方法中，重新设置 reading_chan = true; 即可：

  /**
   * Receive notification of the end of an element
   * @param uri The Namespace URI, or the empty string if the element has no Namespace URI or if Namespace processing is not being performed.
   * @param localName The local name (without prefix), or the empty string if Namespace processing is not being performed
   * @param qName The qualified name (with prefix), or the empty string if qualified names are not available
   */
  public void endElement(String uri,
                         String localName,
                         String qName){


    String data = buff.toString().trim();

    if (qName.equals(current_tag)){
      data = buff.toString().trim();
      buff = new StringBuffer();
    }


    if (reading_chan)
      processChannel(qName,data);

    if (reading_item)
      processItem(qName,data);

    if (reading_image)
      processImage(qName,data);

    if (reading_input)
      processTextInput(qName,data);

    if (tagIsEqual(qName,CHANNEL_TAG)){
      reading_chan = false;
      chan.setSyndicationModule(sy);
    }

    if (tagIsEqual(qName,ITEM_TAG)){
      reading_item = false;
      //-----------------------------------------
      //添加时间：2013-08-14 21:00:17
      //人员：@龙轩
      //博客：http://blog.csdn.net/xiaoxian8023
      //添加内容：重新允许解析channel
      reading_chan = true;
      //添加结束---------------------------------
      chan.addItem(itm);
    }

    if (tagIsEqual(qName,IMAGE_TAG)){
      reading_image = false;
    //-----------------------------------------
      //添加时间：2013-08-14 21:00:17
      //人员：@龙轩
      //博客：http://blog.csdn.net/xiaoxian8023
      //添加内容：重新允许解析channel
      reading_chan = true;
      //添加结束---------------------------------
      chan.setRSSImage(img);
    }


    if (tagIsEqual(qName,SEQ_TAG)){
      reading_seq = false;
      chan.addRSSSequence(seq);
    }

    if (tagIsEqual(qName,TEXTINPUT_TAG)){
      reading_input = false;
    //-----------------------------------------
      //添加时间：2013-08-14 21:00:17
      //人员：@龙轩
      //博客：http://blog.csdn.net/xiaoxian8023
      //添加内容：重新允许解析channel
      reading_chan = true;
      //添加结束---------------------------------
      chan.setRSSTextInput(input);
    }

  }

至此，修改的就差不多了，打开一下org.javali.util.test包的RssNewsFetcher类，修改一下测试列表和方法：

package org.javali.util.test;

import java.io.IOException;
import java.net.MalformedURLException;
import java.net.URL;

import org.gnu.stealthp.rsslib.RSSChannel;
import org.gnu.stealthp.rsslib.RSSException;
import org.gnu.stealthp.rsslib.RSSHandler;
import org.gnu.stealthp.rsslib.RSSItem;
import org.gnu.stealthp.rsslib.RSSParser;




public class RssNewsFetcher {
	
	/**
	 * rss订阅列表
	 */
	private final static String[] rssArr = new String[] {
			//"http://news.baidu.com/n?cmd=1&class=civilnews&tn=rss",
			"http://xiaoxian100.blog.163.com/rss",
			"http://blog.csdn.net/xiaoxian8023/rss/list" 
	};

	/**
	 * 测试解析rss订阅
	 * @throws IOException
	 */
	public void testFetchRssNews() throws IOException {
		for (int i = 0; i < rssArr.length; i++) {
			try {
				
				//获取rss订阅地址
				URL url = new URL(rssArr[i]);
				RSSHandler handler = new RSSHandler();
				
				//解析rss
				RSSParser.parseXmlFile(url, handler, false);
				
				//获取Rss频道信息
				RSSChannel ch = handler.getRSSChannel();
				
				System.out.println("---------------------------------------------");
				System.out.println("博客标题：" + ch.getTitle());
				System.out.println("博客链接：" + ch.getLink());
				System.out.println("博客描述：" + ch.getDescription());
				System.out.println("博客语言：" + ch.getLanguage());
				System.out.println("发布时间：" + ch.getPubDate());
				System.out.println("图片地址：" +ch.getRSSImage().getUrl());
				System.out.println("图片指向：" +ch.getRSSImage().getLink());

				System.out.println("共有文章数目为：" + ch.getItems().size());
//				for(i=0;i<ch.getItems().size();i++){
				for(int j=0;j<1;j++){   //这里为了方便测试，只取一次循环，真实使用时，需选用上面那句代码
					RSSItem item = (RSSItem)ch.getItems().get(j);
					System.out.println("文章标题：" + item.getTitle());
					System.out.println("文章摘要：" + item.getSummary());
					//System.out.println("文章正文：" + item.getDescription());
					//这里为了演示方便，我取正文的前100个字符，真实使用时，需选用上面那句代码
					System.out.println("文章正文：" + item.getDescription().substring(0, 100));
					System.out.println("文章链接：" + item.getLink());
					System.out.println("发表时间：" + item.getPubDate());
					System.out.println("文章作者：" + item.getAuthor());
					System.out.println("最新修改：" + item.getDate());
				}
				
			} catch (MalformedURLException e) {
				e.printStackTrace();
			} catch (RSSException e) {
				e.printStackTrace();
			}
		}
	}
	
	public static void main(String[] args) throws IOException{
		RssNewsFetcher fetcher = new RssNewsFetcher();
		fetcher.testFetchRssNews();
	}

}

测试结果如图：

已经修改的差不多了，下一步就是做成jar，以供本项目使用。步骤很简单。右键项目，选择“导出”→“Java”→“jar文件”，下一步，把右侧的勾全去掉，然后设定一下jar的生成路径，点击“完成”即可。javadoc生成方式差不多，可以参考这里。

手痒了么？快来试试看吧。当然，现在做的myrsslib4j 跟rsslib4j一样，仅仅支持rss格式的博客。下篇博客给大家奉献修改过的rome——myrome，它很好的支持了rss和atom 2种格式的博客。此阅读器会以myrome来解析在线的订阅信息，敬请期待吧。

加句题外话，为了更好的与大家分享，我在Google Code中上传了myrsslib4j的源代码。项目主页：https://code.google.com/p/myrsslib4j/ 。个人能力所限，难免会有瑕疵，欢迎大家多多指正。

提拉米苏x

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
【毕设资料】Web版RSS阅读器（四）——定制自己的Rss解析库myrsslib4j

在上篇博文《Web版RSS阅读器（三）——解析在线Rss订阅》中，已经提到了遇到的问题，这里再详细说一下。在解析rss格式的订阅时，遇到的最主要的问题是，出现了“Server returned HTTP response code: 403 for URL: http://xxxxxx”的错误，百度一下就知道，这是在网站访问中很常见的一个错误，服务器理解客户的请求，但拒
复制链接

扫一扫