java使用Rome解析Rss的实例（转）

Rome简介

Rome是为RSS聚合而开发的开源包，它可以支持0.91、0.92、0.93、0.94、1.0、2.0，可以说rss的版本基本上都支持了。

Rss简介

RSS是站点用来和其他站点之间共享内容的一种简易方式（也叫聚合内容），通常被用于新闻和其他按顺序排列的网站，例如Blog。
RSS就是一种用来分发和汇集网页内容的XML格式！
RSS =Really Simple Syndication（真正简单的聚合）或Rich Site Summary（丰富站点摘要）
Rss目前已经被广泛的应用也是xml应用中的最成功的一项。
RSS 没有统一标准，目前被使用的版本主要有0.91、1.0、2.0

RSS的理解

拿一个新闻网站来说，如果这个网站使用了RSS技术，也即表示这个网站按照RSS标准将其新闻罗列出来，生成一个RSS文件通常称为（RSS Feed，其实也就是一个*.xml文件）。其他网站或个人就订阅该新闻网站的新闻，其实也就是读取了新闻网站提供的RSS文件，既然说是”订阅“即表示这个过程是动态的，即主要体现在新闻网站上的内容更新了，浏览者也同时得到了更新后的内容。当然这要借助工具。
目的及作用
网站内容资源共享
可以*选择想要浏览的新闻
不用一个网站一个网站，一个网页一个网页去逛了。只要这将你需要的内容订阅在一个RSS阅读器中，这些内容就会自动出现你的阅读器里，你也不必为了一个急切想知道的消息而不断的刷新网页，因为一旦有了更新，RSS阅读器就会自己通知你！

RSS的联合（Syndication）

发布一个RSS文件（一般称为RSS Feed）后，这个RSS Feed中包含的信息就能直接被其他站点调用，而且由于这些数据都是标准的XML格式，所以也能在其他的终端和服务中使用，如PDA、手机、邮件列表等。而且一个网站联盟（比如专门讨论旅游的网站系列）也能通过互相调用彼此的RSS Feed自动的显示网站联盟中其他站点上的最新信息，这就叫着RSS的联合。
这种联合就导致一个站点的内容更新越及时、RSS Feed被调用的越多，该站点的知名度就会越高，从而形成一种良性循环

RSS的聚合（Aggregation）

所谓RSS聚合，就是通过软件工具的方法从网络上搜集各种RSS Feed并在一个界面中提供给读者进行阅读。这些软件可以是在线的WEB工具也可以是客户端软件

Rss浏览

RSS是一个纯xml文件，将RSS里的新闻友好的显示出来就要借助于RSS阅读器
RSS阅读器其实就是一个客户端软件或内嵌程序,将各个新闻站点提供的xml文件（RSS Feed）中内容读取出来，将所有新闻分门别类的显示在软件中。分类管理也就是所谓的频道管理。
Rss文件格式
下面是一个Rss文件（*.xml）,里面的注释是自己加的，之间为注释。

<?xml version="1.0" encoding="utf-8" ?>
<!-- 声明当前文件为xml文档【必】-->
<rss version="2.0">
    <!-- 声明当前文件内容为rss格式文件,属性version（必须）指定当前rss版本【必】-->
    <channel>
        <!-- 固有节点【必】 -->
        <title>新闻中心-国内焦点新闻</title>
        <!-- 对网站和当前RSS 文件的简短描述【必】 -->
        <image>
            <!-- 为当前RSS添加图片 -->
            <title>新闻中心-国内焦点</title>
            <!-- 图片标题对图片的简单描述-->
            <link>http://news.sina.com.cn/china</link>
            <!-- 网站链接地址 -->
            <url>http://image2.sina.com.cn/dy/gn/in10.jpg</url>
            <!-- 图片的链接地址 -->
        </image>
        <description>国内焦点新闻列表</description>
        <!-- 对当前RSS文件的描述【必】 -->
        <link>http://news.sina.com.cn/china/index.shtml</link>
        <!-- 网站主页链接【必】 -->
        <language>zh-cn</language>
        <!-- 当前RSS使用的语言 -->
        <generator>WWW.SINA.COM.CN</generator>
        <!-- 当RSS文件为自动创建时多存在此节点（RSS文件由什么创建）-->
        <ttl>5</ttl>
        <!-- (ttl = time to live) 在刷新前当前RSS在cache中可以保存多长时间（分钟） -->
        <copyright>Copyright 1996 - 2005 SINA Inc. All Rights Reserved</copyright>
        <!-- 声明版权
        -->
        <pubDate>Wed, 26 Apr 2006 01:45:05 GMT</pubDate>
        <!-- 当前RSS最后发布的时间 -->
        <category/>
        <!-- 声明当前RSS内容的种类 -->
        <item>
            <!-- 一条信息 -->
            <title>最高检：严惩公务员利用审批等权力*受贿</title>
            <!-- 新闻标题【必】 -->
            <link>http://news.sina.com.cn/c/l/2006-04-26/08029720281.shtml</link>
            <!-- 新闻链接【必】  -->
            <author>WWW.SINA.COM.CN</author>
            <!-- 新闻作者 -->
            <guid>http://news.sina.com.cn/c/l/2006-04-26/08029720281.shtml</guid>
            <!-- guid>GUID=Globally Unique Identifier 为当前新闻指定一个全球唯一标示 -->
            <category>国内焦点新闻</category>
            <!-- 新闻种类 -->
            <pubDate>Wed, 26 Apr 2006 00:02:53 GMT</pubDate>
            <!-- 新闻最后发布时间 -->
            <comments/>
            <!-- 新闻注释 -->
            <description>新华网沈阳4月25日电 (记者 杨维汉、范春生)
                最高人民检察院常务副检察长张耕说，对于国家公务员在商业活动中利用职权谋取非法利益、*受贿的案件，必须发现一起，坚决查处一起。特别是对国家公务员利用行政审批权、行政执法权和司法权执法犯法、贪赃枉法、*受贿，构成犯....
            </description>
            <!-- 新闻的简单描述【必】 -->
        </item>
    </channel>
</rss>

第一行声明当前文件是xml文档
第二行声明当前文件内容为rss格式文件，属性version（必须）指定当前rss版本为2.0
<channel>节点为Rss文档的固有节点，必须，无属性。
< item> 节点中即纪录了当前RSS Feed中要显示的内容。一个RSS文件中通常包含多个<item>节点

< channel>节点
必须节点
< title> 对网站和当前RSS 文件的简短描述
< link> 网站主页链接
< description> 对当前RSS文件的描述
可选节点
< image> 为当前RSS添加图片
< language> 当前RSS使用的语言
< generator>当RSS文件为自动创建时多存在此节点（RSS文件由什么创建）
< ttl>(ttl = time to live) 在刷新前当前RSS在cache中可以保存多长时间（分钟）
< copyright>声明版权
< pubDate> 当前RSS最后发布的时间
< category>声明当前RSS内容的种类
等等

< item>节点
< item> 纪录一条信息（新闻），只包含这条新闻的简单信息，一个RSS文件中包含几条新闻就会有几个<item>
必须节点
< title> 新闻标题
<link> 新闻链接
< description> 新闻的简单描述
可选节点
< author> 当前新闻的作者
< guid>GUID=Globally Unique Identifier 为当前新闻指定一个全球唯一标示
< category>当前新闻的类别
< pubDate>当前新闻的最后发布时间
< comments>当前新闻的注释
等等

附上实例源码：

import java.io.ByteArrayInputStream;
import java.io.IOException;
import java.net.URL;
import java.net.URLConnection;
import java.util.ArrayList;
import java.util.Date;
import java.util.List;
import java.util.zip.GZIPInputStream;

import com.sun.syndication.feed.rss.Channel;
import com.sun.syndication.feed.rss.Description;
import com.sun.syndication.feed.rss.Guid;
import com.sun.syndication.feed.rss.Item;
import com.sun.syndication.feed.synd.SyndEntry;
import com.sun.syndication.feed.synd.SyndFeed;
import com.sun.syndication.io.FeedException;
import com.sun.syndication.io.SyndFeedInput;
import com.sun.syndication.io.WireFeedOutput;
import com.sun.syndication.io.XmlReader;

//http://rss.webofknowledge.com/rss?e=4f1b64b6b221ea05&c=8c6909b93bf3eb38a2066a826b61a412
public class Test {
    public static void main(String[] args) {
        try {
            // parseXml(new
            // URL("http://rss.webofknowledge.com/rss?e=4f1b64b6b221ea05&c=8c6909b93bf3eb38a2066a826b61a412"));
            parseXml(new URL("http://127.0.0.1:8080/xd/rss?q=java&t=atom&h=50&s=50"));
            String xml = createXml();
            parseString(xml);
        } catch (Exception e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        }
    }

    private static void parseString(String xml) throws Exception {

        SyndFeedInput input = new SyndFeedInput();
        SyndFeed feed = null;
        ByteArrayInputStream inputStream = new ByteArrayInputStream(xml.getBytes("UTF-8"));
        feed = input.build(new XmlReader(inputStream));
        List entries = feed.getEntries();// 得到所有的标题<title></title>
        for (int i = 0; i < entries.size(); i++) {
            SyndEntry entry = (SyndEntry) entries.get(i);
            System.out.println(entry.getTitle());
        }
        System.out.println("feed size:" + feed.getEntries().size());
    }

    /**
     * 根据链接地址得到数据
     */
    public static void parseXml(URL url) throws IllegalArgumentException,
            FeedException {
        try {
            SyndFeedInput input = new SyndFeedInput();
            SyndFeed feed = null;
            URLConnection conn;
            conn = url.openConnection();
            String content_encoding = conn.getHeaderField("Content-Encoding");
            if (content_encoding != null && content_encoding.contains("gzip")) {
                System.out.println("conent encoding is gzip");
                GZIPInputStream gzin = new GZIPInputStream(
                        conn.getInputStream());
                feed = input.build(new XmlReader(gzin));
            } else {
                feed = input.build(new XmlReader(conn.getInputStream()));
            }

            List entries = feed.getEntries();// 得到所有的标题<title></title>
            for (int i = 0; i < entries.size(); i++) {
                SyndEntry entry = (SyndEntry) entries.get(i);
                System.out.println(entry.getTitle());
            }
            System.out.println("feed size:" + feed.getEntries().size());

        } catch (IOException e) {
            e.printStackTrace();
        }

    }

    public static String createXml() throws Exception {
         /* 根据Channel源码提供的英文,Channel对象有两个构造器，一个默认的无参构造器用于clone对象，一个是有参的
         * 我们自己指定的必须使用有参数的（因为我们需要许可证），指构造方法必须要创建一个type（版本），这个type不能随便写，必须要以rss_开头的版本号
         * Licensed under the Apache License, Version 2.0 (the "License");
         * 因为当前版本是2.0，所以就是rss_2.0，必须是rss_2.0否则会抛异常，该源码中写的已经很明白。
         */
        Channel channel = new Channel("rss_2.0");
        channel.setTitle("channel标题");//网站标题
        channel.setDescription("channel的描述");//网站描述
        channel.setLink("www.shlll.net");//网站主页链接
        channel.setEncoding("utf-8");//RSS文件编码
        channel.setLanguage("zh-cn");//RSS使用的语言
        channel.setTtl(5);//time to live的简写，在刷新前当前RSS在缓存中可以保存多长时间（分钟）
        channel.setCopyright("版权声明");//版权声明
        channel.setPubDate(new Date());//RSS发布时间
        List<Item> items = new ArrayList<Item>();//这个list对应rss中的item列表
        Item item = new Item();//新建Item对象，对应rss中的<item></item>
        item.setAuthor("hxliu");//对应<item>中的<author></author>
        item.setTitle("新闻标题");//对应<item>中的<title></title>
        item.setGuid(new Guid());//GUID=Globally Unique Identifier 为当前新闻指定一个全球唯一标示，这个不是必须的
        item.setPubDate(new Date());//这个<item>对应的发布时间
        item.setComments("注释");//代表<item>节点中的<comments></comments>
        //新建一个Description，它是Item的描述部分
        Description description = new Description();
        description.setValue("新闻主题");//<description>中的内容
        item.setDescription(description);//添加到item节点中
        items.add(item);//代表一个段落<item></item>，
        channel.setItems(items);
        //用WireFeedOutput对象输出rss文本
        WireFeedOutput out = new WireFeedOutput();
        try {
            String xml = out.outputString(channel);
            System.out.println(xml);
            return xml;
        } catch (IllegalArgumentException e) {
            e.printStackTrace();
        } catch (FeedException e) {
            e.printStackTrace();
        }
        return null;
    }
}

import java.net.URL;
import java.util.List;

import com.sun.syndication.feed.synd.SyndCategory;
import com.sun.syndication.feed.synd.SyndContent;
import com.sun.syndication.feed.synd.SyndEnclosure;
import com.sun.syndication.feed.synd.SyndEntry;
import com.sun.syndication.feed.synd.SyndFeed;
import com.sun.syndication.io.SyndFeedInput;
import com.sun.syndication.io.XmlReader;

//http://zmfkplj.iteye.com/blog/461398  
public class TestParse {
    public static void main(String[] args) {
        TestParse test = new TestParse();
        test.parseRss();
    }

    public void parseRss() {
        //String rss = "http://news.baidu.com/n?cmd=1&class=civilnews&tn=rss&sub=0]http://news.baidu.com/n?cmd=1&class=civilnews&tn=rss&sub=0";  
        String rss = "http://rss.sina.com.cn/ent/hot_roll.xml";
        try {
            URL url = new URL(rss);
            // 读取Rss源     
            XmlReader reader = new XmlReader(url);
            System.out.println("Rss源的编码格式为：" + reader.getEncoding());
            SyndFeedInput input = new SyndFeedInput();
            // 得到SyndFeed对象，即得到Rss源里的所有信息     
            SyndFeed feed = input.build(reader);
            //System.out.println(feed);           
            // 得到Rss新闻中子项列表     
            List entries = feed.getEntries();
            // 循环得到每个子项信息     
            for (int i = 0; i < entries.size(); i++) {
                SyndEntry entry = (SyndEntry) entries.get(i);
                // 标题、连接地址、标题简介、时间是一个Rss源项最基本的组成部分     
                System.out.println("标题：" + entry.getTitle());
                System.out.println("连接地址：" + entry.getLink());
                SyndContent description = entry.getDescription();
                System.out.println("标题简介：" + description.getValue());
                System.out.println("发布时间：" + entry.getPublishedDate());
                // 以下是Rss源可先的几个部分     
                System.out.println("标题的作者：" + entry.getAuthor());
                // 此标题所属的范畴     
                List categoryList = entry.getCategories();
                if (categoryList != null) {
                    for (int m = 0; m < categoryList.size(); m++) {
                        SyndCategory category = (SyndCategory) categoryList.get(m);
                        System.out.println("此标题所属的范畴：" + category.getName());
                    }
                }
                // 得到流媒体播放文件的信息列表     
                List enclosureList = entry.getEnclosures();
                if (enclosureList != null) {
                    for (int n = 0; n < enclosureList.size(); n++) {
                        SyndEnclosure enclosure = (SyndEnclosure) enclosureList.get(n);
                        System.out.println("流媒体播放文件：" + entry.getEnclosures());
                    }
                }
                System.out.println();
            }
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

附上源码下载：http://download.csdn.net/detail/earbao/7540321

转载自：http://blog.csdn.net/earbao/article/details/33741185#comments