上篇博客《[ Web版RSS阅读器（二）——使用dTree树形加载rss订阅分组列表](http://blog.csdn.net/xiaoxian8023/article/details/9745727)》已经写到读取rss订阅列表了，今天就说一下，当获取一条在线rss订阅的信息，怎么去解析它，从而获取文章或资讯。
首先说一下rss的版本。很多人都说rss，但是有相当一部分人，都不知道rss居然不只一种格式。我们常用的订阅格式有Rss和Atom 2种格式。Rss有版本从v0.9一直到现在的v2.0，Atom最新的版本则是1.0。
DeveloperWorks有一篇文章《[使用 RSS 和 Atom 实现新闻联合](http://www.ibm.com/developerworks/cn/web/wa-syndrssatom/index.html)》提及两者的相似点与不同点：
``> #### RSS 和 Atom 摘要的相似点
>
> 每个摘要文件实际上代表一个通道。它包含通道标题、链接、描述、作者等等。通道信息提供关于摘要的基本信息。通道信息之后是一些项。每项代表一篇可以从摘要阅读器阅读的真实的新闻或者文章。通常情况下，每项包含有标题、链接、更新时间和摘要信息。
> #### RSS 和 Atom 摘要的不同点
> 参考 [RSS 2.0 and Atom 1.0, Compared](http://www.intertwingly.net/wiki/pie/Rss20AndAtom10Compared)，回顾 RSS 和 Atom 的不同点。
<table border="0" width="100%" cellpadding="2" cellspacing="0" style="margin:0px; padding:0px; border:1px solid rgb(192,192,192); border-collapse:collapse"><tbody style="margin:0px; padding:0px"><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="80" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><span style="margin:0px; padding:0px">不同点</span></td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><span style="margin:0px; padding:0px">RSS 2.0</span></td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><span style="margin:0px; padding:0px">Atom 1.0</span></td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="82" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">部署</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 得到广泛部署。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 还未得到广泛部署。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="84" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">规范</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">哈佛大学拥有版权并冻结了 RSS 2.0 规范。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atompub 工作组（属于 IETF）就 Atom 1.0 规范达成一致意见，并在将来有可能重新修订。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="85" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">所需内容</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 包含所需的摘要级别的标题、链接和描述。它不需要在摘要中出现的任何单独项的字段。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 包含摘要和条目所需的标题（可以为空）、惟一标识和最后更新的时间戳。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="87" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">有效负载（payload）</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 可以包含普通文本或者转义 HTML，但是不能分辨所提供的是两个中的哪一个。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 包含有效负载容器。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="89" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">全部或者部分内容</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 有一个 <code style="margin:0px; padding:0px"><description></code> 元素，可以包含条目的全部文本或者大纲。它没有用于标识内容是否完全的内置方法。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 提供单独的 <code style="margin:0px; padding:0px"><summary></code> 和 <code style="margin:0px; padding:0px"><content> 元素</code>。如果它是非文本的或者非本地的内容，出于可访问性的原因摘要将很好用。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="90" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">自动发现</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 用不同的方法实现自动发现。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 标准化自动发现。</td></tr><tr style="margin:0px; padding:0px"/><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr><tr style="margin:0px; padding:0px"><td width="92" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">提取和聚合</td><td width="295" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">RSS 2.0 只有一个可识别的形式：一个<code style="margin:0px; padding:0px"><rss></code> 文档。</td><td width="387" valign="top" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important">Atom 1.0 允许独立的 Atom Entry 文档，可以使用任何网络协议传输；例如，XMPP。Atom 也支持聚合摘要，其中，条目指向它们来自的摘要，前提是如果它们将被包含到其他摘要中。</td></tr><tr style="margin:0px; padding:0px"><td colspan="3" style="margin:0px; padding:3px; border:1px solid rgb(192,192,192); border-collapse:collapse; word-break:normal!important"><hr style="margin:0px; padding:0px"/></td></tr></tbody></table>
>
> RSS 和 Atom 具有相似的基于 XML 的格式。它们的基本结构是相同的，只在节点的表达式上有一点区别。
在Rss标准格式：
~~~
<!-- XML版本和字符集 -->
<?xml version="1.0"?>
<!-- RSS版本 -->
<rss version="2.0">
<!-- 以下为频道信息及新闻资讯或文章列表 -->
<channel>
<!-- 频道总体信息：开始 -->
<!-- 频道标题 -->
<title>Lift Off News</title>
<!-- 频道链接的总地址 -->
<link>http://liftoff.msfc.nasa.gov/</link>
<!-- 频道描述文字 -->
<description>Liftoff to Space Exploration.</description>
<!-- 频道使用的语言（zh-cn表示简体中文） -->
<language>en-us</language>
<!-- 频道发布的时间 -->
<pubDate>Tue, 10 Jun 2003 04:00:00 GMT</pubDate>
<!-- 频道最后更新的时间-->
<lastBuildDate>Tue, 10 Jun 2003 09:41:01 GMT</lastBuildDate>
<docs>http://blogs.law.harvard.edu/tech/rss</docs>
<!-- 频道生成器 -->
<generator>Weblog Editor 2.0</generator>
<ttl>5</ttl>
<!-- 频道总体信息：结束 -->
<!-- 每条RSS新闻信息都包含在item节点中, -->
<item>
<!-- 新闻标题 -->
<title>Star City</title>
<!-- 新闻链接地址 -->
<link>http://liftoff.msfc.nasa.gov/news/2013/news-starcity.asp</link>
<!-- 新闻内容简要描述 -->
<description>How do Americans get ready to work with Russians aboard the
International Space Station? They take a crash course in culture, language
and protocol at Russia's Star City.</description>
<!-- 新闻发布时间 -->
<pubDate>Tue, 03 Jun 2003 09:39:21 GMT</pubDate>
<!-- 新闻目录 -->
<category>IT</category>
<!-- 新闻作者 -->
<author>bill</author>
<guid>http://liftoff.msfc.nasa.gov/2003/06/03.html#item573</guid>
</item>
<!-- 第二条新闻信息 -->
<item>
<title>Space Exploration</title>
<link>http://liftoff.msfc.nasa.gov/</link>
<description>Sky watchers in Europe, Asia, and parts of Alaska and Canada
will experience a partial eclipse of the Sun on Saturday, May 31st.</description>
Fri, 30 May 2003 11:06:42 GMT</pubDate>
<guid>http://liftoff.msfc.nasa.gov/2003/05/30.html#item572</guid>
</item>
</channel>
</rss>
~~~
Atom 1.0的格式：
~~~
<?xml version="1.0" encoding="utf-8"?>
<!-- ATOM版本 -->
<feed xmlns="http://www.w3.org/2005/Atom"">
<!-- 频道标题 -->
<title>Schema Web</title>
<!-- 频道链接的总地址 -->
<link rel="alternate" type="text/html" href="http://stanzaweb.art/"/>
<!-- 最新修改时间-->
<modified>2004-06-01T10:11:12Z</modified>
<!-- 频道作者 -->
<author>
<!-- 昵称 -->
<name>Uche Ogbuji</name>
</author>
<!-- 以下是新闻资讯或文章列表 -->
<entry>
<!-- 新闻标题 -->
<title>Welcome to Stanza Web</title>
<!-- 新闻作者 -->
<author>
<!-- 作者昵称 -->
<name>龙轩</name>
<!-- 主页 -->
<uri>http://www.cnblogs.com/longxuan/</uri>
</author>
<!-- 文章连接 -->
<link rel="alternate" type="text/html" href="http://stanzaweb.art/2004-06-01/welcome"/>
<!-- 最新修改时间 -->
<modified>2004-06-01T10:11:12Z</modified>
<!-- 文章内容 -->
<content type="html">
<div >
<p>Welcome to
<a href="http://stanzaweb.art/">Stanza Web</a>.
Come back often to keep track of the best in modern poetry.
</p>
<p>This site is powered by
<a href="http://atomenabled.org">Atom</a>
</p>
</div>
</content>
</entry>
</feed>
~~~
大部分新闻或博客网站都使用的是rss，当然Atom也占有部分市场。比如博客园就是用的Atom，而CSDN则用的是RSS。
了解了这些以后，就可以开始解析Rss了。
在网上找了一下开源的包，选了2款常用的都实验了一下，一个是Rome.jar，一个是rsslib4j.jar。二者的区别我就不多介绍了，有兴趣了可以去百度一下。rsslib4j 小巧，兼容性好，但是现在只支持解析rss 0.9x ,1.0 和 2.0，暂时对于atom无能为力。rsslib4j的开源主页：[http://sourceforge.net/projects/rsslib4j/](http://sourceforge.net/projects/rsslib4j/)。有什么需要的，可以在主页进行下载。
在WebRoot/lib中引用rsslib4j-0.2.jar，在src的com.tgb.rssreader.manager包中新建一个类Rsslib4jReadRss，贴出代码：
~~~
package com.tgb.rssreader.manager;
import java.net.URL;
import java.net.URLConnection;
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;
import org.gnu.stealthp.rsslib.RSSParser;
public class Rsslib4jReadRss {
//这里定义一个在线的rss摘要的地址(对应我的网易博客）
public static final String remoteRSS="http://xiaoxian100.blog.163.com/rss";
public static void main(String[] args) throws Exception {
// 让RSSParser去解析在线的rss的url
RSSHandler remoteRSSHandler = new RSSHandler();
URL url = new URL(remoteRSS);
URLConnection feedUrl = url.openConnection();
RSSParser.parseXmlFile(feedUrl.getURL(), remoteRSSHandler, false);
// 取得rss元素的信息并且打印在控制台上
String remoteRSSInfo=Rsslib4jReadRss.getRSSInfo(remoteRSSHandler);
System.out.println("********我的网易博客的 rss信息如下**********");
System.out.println(remoteRSSInfo);
System.out.println("**************************");
}
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();
}
}
~~~
由于文章太多，在Console中测试时，可能会看不到后面的效果，所以我只让程序读取了一个文章摘要（for循环次数修改为1），效果图如下：
在解析网易博客时，还算勉强可以胜任，但是在解析CSDN博客时，就会报错"Server returned HTTP response code: 403 for URL: http://xxxxxx"，这是因为CSDN博客，拒绝java作为客户端进行访问其服务器。而且在解析个别信息时，会出现null值。
那怎么办呀？别着急，下篇博文，大家跟我一起修改rsslib4j，做自己的rsslib4j。敬请期待！
