JAVA抓取网页内容、生成kindle支持的mobi格式的文件时可能会遇到的问题及解决方案...

问题1：内容抓取Batch在解析rss时，有的网站的rss中明明有发布时间，但获取的发布时间始终为null。

原 因：那些网站的rss的发布时间格式不符合Rome.jar的要求，无法解析，所以返回null。

解决方案：修改Rome.jar的源码，在com/sun/syndication/rome.properties中增加
             datetime.extra.masks属性，用于适应多种发布日期的格式。
             如： datetime.extra.masks=yyyy-MM-dd HH:mm:ss|yyyy-MM-dd HH:mm|EEE, dd MMM yy HH:mm:ss|yyyy-MM-dd HH:mm:ss.SSS
             修改源码后重新打jar包，引用到JAVA工程中，就可以解析不同格式的发布时间了。

-------------------------------------------------------------------------------------------

问题2：抓取某些网页时，会提示编码错误，如：
         org.htmlparser.util.EncodingChangeException:character mismatch (new: [0xfeff] != old: [0x9518锘]) for encoding change from ISO-8859-1 to gbk at character offset 214

原 因：如果请求url返回的页面上中文的title写在了meta的前面,而且这个meta里设置的charset编码信息（gbk）又和parser默认的编码（ISO-8859-1）不一样，那么就会报这个错。
        但是如果meta之前没有任何中文，那么就不会报这个错。因为htmlparser本身会根据html源码中的charset信息设置编码。

解决方案：捕捉到这个异常后，使用meta里设置的charset编码重新抓取一遍。

-------------------------------------------------------------------------------------------

问题3：epub生成Batch在Linux环境下使用kindlegen工具把epub文件转换成mobi文件时，没有出现任何异常，但也没有生成mobi文件。

原因：不明

解决方案：

Process process = Runtime.getRuntime().exec(kindlegen命令);
InputStream is = process.getInputStream();
int r;
while(-1 != (r = is.read())) {
    System.out.print((char)r);
}

把InputStream的值打印出来之后就可以生成mobi文件了。

-------------------------------------------------------------------------------------------

问题4：抓取的网页内容中有时含有被抓取的网站自己的JS函数、视频链接等代码，从而显示在浏览器上时可能会提示JS错误

解决方案：过滤掉所有的script、style、link等标签，以及所有标签的事件（如：onclick、onmouseover等）

-------------------------------------------------------------------------------------------

问题5：生成的mobi文件在kindle paperwhite设备上不能被识别为电子书

原因：1、缺少内容源目录文件以及在opf文件的guide节点中对目录文件的定义，所以Kindle设备无法显示其目录。
       2、kindle paperwhite会把报刊、杂志类型的mobi文件自动转换成pobi文件，其他类型的mobi文件不会转换。

解决方案：1、增加内容源目录文件和opf文件中对目录的引用
             2、要让kindle paperwhite识别报刊、杂志类型的mobi文件，必须有以下几处设置：
                 1、在opf文件的metadata里增加如下代码：

<x-metadata> 
	<output encoding="utf-8" content-type="application/x-mobipocket-subscription-magazine"></output>
</x-metadata>

                    2、在ncx里按照要求把navpoint 写成

<navpoint class="periodical">
          <navpoint class="section">
              <navPoint class="article" >
......

                这几个class一定要写，而且class的值必须分别是periodical、section和article，否则不行。 每个navpoint标签内必须要有content标签，否则使用kindlegen生成mobi文件时会报错。

转载于:https://www.cnblogs.com/kzby2003/p/4076950.html