隨筆檔案

前兩天上新浪，看到新浪 RSS 頻道開通，不容易啊，等了這么久。
    
    我的目標(biāo)是做一個簡單的portlet，每次讀取新浪的RSS站點(diǎn)顯示最新的新聞條目。

    花了一個下午，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）。簡單過濾以后，覺得以下三個類庫比較有搞頭。Rome 、rssutils和rsslib4j。具體的評測如下：

一. Rome
    Rome 是 java.net 上的一個開源項目，現(xiàn)在的版本是0.5。為什么叫Rome呢，按它的介紹上的說法，有個“條條大路通羅馬”的意思，有些RSS的意味。Rome可能是 sun 公司從自己某個子項目中抽離出來的，package和類的命名就象j2sdk一樣感覺規(guī)范。功能上支持RSS的所有版本及 Atom 0.3(Atom是和RSS類似的一種內(nèi)容聚合的方式)。Rome 本身是提供API和功能實(shí)現(xiàn)，其下獨(dú)立出一個 rome-fetcher 項目，專門用來讀取RSS內(nèi)容。正和我意啊。
    參照 fetcher 上的范例，解析 RSS 相當(dāng)簡單，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("<a href=" + entry.getLink() + ">" + entry.getTitle() + "</a>[" + entry.getPublishedDate() + "]");
    }
    
    為什么用  new String(feed.getTitle().getBytes("iso8859-1"), "utf-8")  進(jìn)行轉(zhuǎn)碼，是因?yàn)镽ome來解析 新浪新聞 RSS的時候試圖從 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(zhuǎn)碼。另外還有就是 entry.getPubDate() 也將返回null，因?yàn)镽ome 用多種pattern 去試圖解析時間信息，新浪的時間格式還是符合RFC822的，但是Rome 使用SimpleDateFormat 來解析時間，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間字符。以上代碼前加 Locale.setDefault(Locale.Englisth) 可以搞定，但總覺得不爽。

    如果也不想轉(zhuǎn)碼的話，Rome 還提供了一個 XmlReader 的類，通過分析 header 和 xml 內(nèi)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(zhuǎn)碼也能正確顯示了，不過修改源碼后我再解析 百度新聞 RSS 的時候，底層的JDOM卻會抱錯說xml 格式不正確。也許Rome的開發(fā)者也遇到過這樣的問題，所以才沒有使用 XmlReader。

二. rssutils
    它是一個工具包，sun 的 develope站點(diǎn)上有文章 RSS Utilities: A Tutorial 專門介紹用taglib 顯示RSS內(nèi)容，附帶的可以下載這個工具包，但我從網(wǎng)上搜索不到它的出處，自然也無法看到它的源碼。但從反編譯的代碼來看，也是sun公司內(nèi)部高手所做，設(shè)計精巧，代碼簡練。實(shí)現(xiàn)一個handler，用sax的方式解析xml內(nèi)容，handler內(nèi)部用反射和javabean的機(jī)制構(gòu)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("<a href=" + item.getLink() + "</a>" + item.getTitle() + " " + item.getPubDate());
        }

    如上所示，代碼也是相當(dāng)簡單，沒有轉(zhuǎn)碼的需求，時間也正確顯示（因?yàn)楦緵]做分析，當(dāng)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(yán)謹(jǐn)?shù)牡胤剑鏢ystem.out的輸出，很不爽。而且如果 RSS 的 xml內(nèi)容如果缺少部分不常用元素 ，它也會printStackTrace一大串，服了它了。另外還有一個大問題，就是當(dāng)我用它解析 百度新聞 的時候，直接就報錯：org.xml.sax.SAXParseException: 字符轉(zhuǎn)換錯誤：“Unconvertible UTF-8 character beginning with 0xb0”。網(wǎng)上查了查，可能是 java 修改過的 UTF-8 和標(biāo)準(zhǔn) UTF-8 些微不兼容導(dǎo)致。詳情參看 Java 平臺中的增補(bǔ)字符 一文。

三.  rsslib4j
    rsslib4j 是 sourceforget 上的項目，主頁是 http://sourceforge.net/projects/rsslib4j，現(xiàn)在最新的版本是0.2，才0.2，可是開發(fā)狀態(tài)卻已經(jīng)是穩(wěn)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(shè)計比較簡單，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());
       }

    看起來也是相當(dāng)清晰易懂，執(zhí)行結(jié)果也和rssutils一樣，不過用它來解析 百度新聞 卻不會出現(xiàn) rssutils 的utf-8編碼錯誤，真是奇怪，兩者都是調(diào)JAXP的 SAXParser 。不過它的代碼也有bug，不能解析出 channel 的一些信息，查看源碼，有點(diǎn)簡單邏輯錯誤，修正后解決。想寫封email給項目開發(fā)者可惜英文不行，通過cvs去commit一下也嫌麻煩，作罷。

總結(jié)

Rome:
優(yōu) - 1）可擴(kuò)展性好，有前途。2）功能強(qiáng)大，除了用來解析RSS，還可以聚合和構(gòu)造RSS。
劣 - 1）兼容性待加強(qiáng)，2）綁定jdom。為什么不喜歡 jdom呢，因?yàn)樗黙pi 老變，還很絕，搞得不兼容。

rssutils:
優(yōu) - 1）代碼設(shè)計精妙，值得學(xué)習(xí)。2）附帶 taglib 實(shí)現(xiàn)，直接可在 jsp 中應(yīng)用。
劣 - 1）沒有源碼。 2）兼容性有待加強(qiáng)。 3）功能較弱，只能用來解析RSS，沒有聚合和構(gòu)造RSS功能。

rsslib4j:
優(yōu) - 1）簡單有效，體積小。2）兼容性不錯。
劣 - 1）有小bug。2）功能較弱，只能用來解析RSS，沒有聚合和構(gòu)造RSS功能。

編輯選擇： rsslib4j
我只用來讀讀新浪新聞，rsslib4j 夠用就好，不過要自己修改和編譯源碼。

Trackback: http://tb.blog.csdn.net/TrackBack.aspx?PostId=282333