如何使用java代码获取RSS中信息

RSS基础知识概述：

RSS 这个概念，伴随着“博客(Weblog)”这个词语的出现，已经好几岁了。

什么是RSS呢，它缩写是 "Really Simple Syndication", 支撑技术是xml，作用是用于在线共享内容，订阅新闻、博客等等。因为博客是“文章密集型”的，所以RSS可以把文章的概述信息都放在一个一个的摘要(item)里面，每个item有文章的概述，以及到文章全部内容的超级链接，所以有了RSS摘要，基本上配合RSS 阅读器，可以很快的得到所需要的信息。

以下是一个RSS文件的标准结构：

<rss version="2.0">
<channel>
<title>...</title>
<link>...</link>
<description>...</description>
<copyright>...</copyright>
<generator>...</generator>
<lastBuildDate>...</lastBuildDate>
<image>...</image>
<item>...</item>
<item>...</item>
...
<item>...</item>
<item>...</item>
</channel>
</rss>

其中rss元素是其根元素，它吧所有的内含信息包含在一个频道<channel>中，频道有许多meta信息，就是出现在<item>前面的所有子元素。而rss中的所有摘要，都以<item>元素的形式出现，一个<channel>可以有多个<item>。每个<item>同样有元信息，最重要的是描述<description>和链接<link>。

现在有很多工具可以生成RSS,事实上，因为本质上RSS是一个XML文件，所以你完全可以以手工编写XML文件的形式编写RSS,但是还是推荐用工具来简化操作和减少错误，我最喜欢用的工具是：http://www.onlinedown.net/soft/73066.htm

其实，不仅仅RSS阅读器可以获取RSS信息，我们用java API也是可以的。比较有名的是sourceforge的rsslib4j 包，我们这里就展示这个包的用法：

这个包可以到http://sourceforge.net/projects/rsslib4j/ 去下，对应的javadoc地址是http://rsslib4j.sourceforge.net/javadoc/

实验部分：

我们演示2个例子，一个是读取本地rss文件的信息，一个是读取网络上某rss文件的信息：

首先我们开发了一个工具类，这个类的工具方法可以分离出相关信息并且转为字符串形式：

package com.charles.learnrss;

import java.util.List;

import org.gnu.stealthp.rsslib.RSSChannel;
import org.gnu.stealthp.rsslib.RSSHandler;
import org.gnu.stealthp.rsslib.RSSImage;
import org.gnu.stealthp.rsslib.RSSItem;

/*
*  This file is confidential by Charles.Wang
*  Copyright belongs to Charles.wang
*  You can make contact with Charles.Wang (charles_wang888@126.com)
*/

public class RSSInfoRetriever {

public static String getRSSInfo(RSSHandler handler){

StringBuffer rssInfo = new StringBuffer();

//取得rss提要的频道信息(Channel)
RSSChannel channel = handler.getRSSChannel();

//Part1: 分离出rss频道的元信息
//(1)频道的标题
String titleInfo = channel.getTitle();
//(2)频道的链接信息
String linkInfo = channel.getLink();
//(3)频道的描述信息
String descriptionInfo = channel.getDescription();
//(4)频道使用的语言
String languageInfo = channel.getLanguage();
//(5)频道版权信息
String copyrightInfo = channel.getCopyright();
//(6)频道的generator的信息
String generatorInfo = channel.getGenerator();
//(7)频道的image信息
RSSImage channelImage = channel.getRSSImage();
String channelImageUrl = channelImage.getUrl();

rssInfo.append("频道标题： "+titleInfo+"\n");
rssInfo.append("频道相关Link信息： "+linkInfo+"\n");
rssInfo.append("频道描述信息: "+descriptionInfo+"\n");
rssInfo.append("频道使用的语言： "+languageInfo+"\n");
rssInfo.append("频道版权信息： "+copyrightInfo+"\n");
rssInfo.append("频道产生器信息： "+generatorInfo+"\n");
rssInfo.append("频道图片URL: "+channelImageUrl+"\n");

//Part2： 分离出rss频道的所有摘要(feed),这里用item表示
List channelItems = channel.getItems();
int itemSize= channelItems.size();
if(itemSize >=1){
rssInfo.append("\n");
rssInfo.append("一共有 "+itemSize+"个摘要在这个频道中");
rssInfo.append("\n");
for (int i=0;i<itemSize;i++){
int itemNo = i+1;
RSSItem item = (RSSItem)channelItems.get(i);

rssInfo.append("\n");
rssInfo.append("摘要"+itemNo+":");

//(1)摘要的作者
String itemAuthor = item.getAuthor();
//(2)摘要的标题
String itemTitle = item.getTitle();
//(3)摘要的描述
String itemDescription = item.getDescription();
//(4)摘要的链接
String itemLink = item.getLink();
//(5)摘要的发布日期
String itemPubDate = item.getPubDate();

rssInfo.append("作者： "+itemAuthor+"\n");
rssInfo.append("标题： "+itemTitle+"\n");
rssInfo.append("描述： "+itemDescription+"\n");
rssInfo.append("链接： "+itemLink+"\n");
rssInfo.append("发布日期: "+itemPubDate+"\n");

rssInfo.append("\n");
}
}

return rssInfo.toString();

}
}

然后我们写了一个驱动类，这个驱动类封装了2个实验：

package com.charles.demo;

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.RSSParser;

import com.charles.learnrss.RSSInfoRetriever;

/**
*
* Description:
*
* @author charles.wang
* @created May 10, 2012 9:07:13 AM
*
*/
public class RSSInfoRetrieverDemo {

// 这里定义一个本地的rss摘要，（对应我的博客空间）
public static final String localRSS = "charles.rss";

//这里定义一个远程的rss摘要的地址(对应人民网）
public static final String remoteRSS="http://www.people.com.cn/rss/politics.xml";

public static void main(String[] args) throws Exception {

// DEMO 1: 让RSSParser去解析本地某个rss文件
// 取得本地的rss
RSSHandler localRSSHandler = new RSSHandler();
RSSParser.parseXmlFile(localRSS, localRSSHandler, false);
// 取得rss元素的信息并且打印在控制台上
String localRSSInfo=RSSInfoRetriever.getRSSInfo(localRSSHandler);
System.out.println("*************Charles博客的 rss信息如下****************");
System.out.println(localRSSInfo);
System.out.println("****************************************************");

// DEMO 2: 让RSSParser去解析远程rss的url
// 取得远程的rss
RSSHandler remoteRSSHandler = new RSSHandler();
RSSParser.parseXmlFile(new URL(remoteRSS), remoteRSSHandler, false);
// 取得rss元素的信息并且打印在控制台上
String remoteRSSInfo=RSSInfoRetriever.getRSSInfo(remoteRSSHandler);
System.out.println("****************人民网的 rss信息如下******************");
System.out.println(remoteRSSInfo);
System.out.println("****************************************************");

}

}

实验1：读取本地的rss文件（charles.rss)

这个文件部分内容为：

<rss version="2.0">
<channel>
<title>
<![CDATA[ 平行线的凝聚-51CTO技术博客 ]]>
</title>
<link>
<![CDATA[ http://supercharles888.blog.51cto.com ]]>
</link>
<description>
<![CDATA[ Latest 20 blogs of charles_wang8888 ]]>
</description>
<copyright>
<![CDATA[ Copyright(C) 51CTO技术博客-领先的IT技术博客 ]]>
</copyright>
<generator>
<![CDATA[ 51CTO BLOG by 51CTO Studio ]]>
</generator>
<lastBuildDate>Thu, 01 Jan 1970 00:00:00 GMT</lastBuildDate>
<image>
<url>
<![CDATA[ http://img1.51cto.com/image/skin/1/rss.gif ]]>
</url>
<title>
<![CDATA[ 51CTO BLOG ]]>
</title>
<link>
<![CDATA[ http://blog.51cto.com ]]>
</link>
<description>
<![CDATA[ 51CTO技术博客-领先的IT技术博客 ]]>
</description>
</image>
<item>
<title>
<![CDATA[ 跨域访问的解决方案（非HTML5的方法1：JSONP) ]]>
</title>
<description>
<![CDATA[
跨域访问一直是困扰很多开发者的问题之一。因为涉及到安全性问题，所以跨域访问默认是不可以进行的，否则假设今天我写了一段js去更改google的图标，明天他写了一段代码去吧google首页的文字全部变成梵文，那还得..【<a href="http://supercharles888.blog.51cto.com/609344/856886" target="_blank">继续阅读全文</a>】
]]>
</description>
<link>
<![CDATA[ http://supercharles888.blog.51cto.com/609344/856886 ]]>
</link>
<author>
<![CDATA[ charles_wang8888 ]]>
</author>
<category>
<![CDATA[ Web开发 ]]>
</category>
<pubDate>Tue, 08 May 2012 04:02:42 GMT</pubDate>
</item>

...
</channel>
</rss>

实验2：读取远程的rss文件（rss文件地址为:http://www.people.com.cn/rss/politics.xml)

最终结果如下（因为很长，所以只显示部分）：

本地rss的控制台输出结果：

*************Charles博客的 rss信息如下****************
频道标题： 平行线的凝聚-51CTO技术博客
频道相关Link信息： http://supercharles888.blog.51cto.com 频道描述信息: Latest 20 blogs of charles_wang8888
频道使用的语言： null
频道版权信息： Copyright(C) 51CTO技术博客-领先的IT技术博客
频道产生器信息： 51CTO BLOG by 51CTO Studio
频道图片URL: http://img1.51cto.com/image/skin/1/rss.gif 
一共有 20个摘要在这个频道中

摘要1:作者： charles_wang8888
标题： 跨域访问的解决方案（非HTML5的方法1：JSONP)
描述： 跨域访问一直是困扰很多开发者的问题之一。因为涉及到安全性问题，所以跨域访问默认是不可以进行的，否则假设今天我写了一段js去更改google的图标，明天他写了一段代码去吧google首页的文字全部变成梵文，那还得..【<a href="http://supercharles888.blog.51cto.com/609344/856886" target="_blank">继续阅读全文</a>】
链接： http://supercharles888.blog.51cto.com/609344/856886 发布日期: Tue, 08 May 2012 04:02:42 GMT

...

摘要20:作者： charles_wang8888
标题： 软件过程模型-瀑布模型
描述： 瀑布模型(waterfall)是将开发阶段描述为从一个阶段瀑布般的转化到另外一个阶段，一个开发阶段必须在另外一个开发阶段之前完成。它的特点是有里程碑+可交付产品。
瀑布模型中，软件开发分为如下的阶段：
需求分..【<a href="http://supercharles888.blog.51cto.com/609344/848535" target="_blank">继续阅读全文</a>】
链接： http://supercharles888.blog.51cto.com/609344/848535 发布日期: Tue, 01 May 2012 02:49:07 GMT

****************************************************

远程rss的控制台输出结果如下：

****************人民网的 rss信息如下******************
频道标题： 国内新闻
频道相关Link信息： http://politics.people.com.cn 频道描述信息: null
频道使用的语言： zh_CN
频道版权信息： Copyright 1997-2012 by www.people.com.cn. all rights reserved
频道产生器信息： null
频道图片URL: http://www.people.com.cn/img/2004people/logo.gif 
一共有 100个摘要在这个频道中

摘要1:作者： null
标题： 乌鲁木齐暂封党政机关一半公车缓解拥堵
描述： 　　本报乌鲁木齐5月9日电 记者潘从武 记者今天从新疆乌鲁木齐市党政机关、企事业单位暂时封存50%公务用车缓解交通拥堵动员大会上了解到，从5月15日到9月5日，乌市将控制全市机动车出行总量，暂时封存全市各级党政机关和 ...
链接： http://politics.people.com.cn/GB/17852009.html 发布日期: 2012-05-10 08:43:50

...

摘要100:作者： null
标题： 四部门规范国企负责人职务消费行为 禁公款买房等
描述： 　　中新网5月8日电 据财政部网站消息，日前财政部会同监察部、审计署和国资委联合发布了《国有企业负责人职务消费行为监督管理暂行办法》的通知，通知要求严格规范国有企业负责人职务消费行为，并明确列出了国企负责 ...
链接： http://politics.people.com.cn/GB/17841114.html 发布日期: 2012-05-09 08:29:10

****************************************************