确定提要是 Atom 还是 RSS

Question

我正在尝试确定给定的提要是基于 Atom 还是基于 RSS。

这是我的代码：

public boolean isRSS(String URL) throws ParserConfigurationException, SAXException, IOException{
        DocumentBuilder builder = DocumentBuilderFactory.newInstance()
                .newDocumentBuilder();
        Document doc = builder
                .parse(URL);
        return doc.getDocumentElement().getNodeName().equalsIgnoreCase() == "rss";
    }

有更好的方法吗？如果我使用 SAX 解析器会更好吗？

Answer 1

根元素是确定提要类型的最简单方法。

• RSS 提要具有根元素 rss （请参阅 规范）
• Atom 提要具有根元素 feed （请参阅规范)

对于不同的解析器获取根元素的方法有多种。没有一个比另一个低劣。关于 StAX 与 SAX 与 DOM 等的文章已经足够多了，它们可以用作特定决策的基础。

前两行代码没有任何问题：

DocumentBuilder builder = DocumentBuilderFactory.newInstance().newDocumentBuilder();
Document doc = builder.parse(URL);

在 return 语句中，您在 Java 字符串比较中犯了错误。

当您对字符串使用比较运算符 == 时，它会比较引用而不是值（即检查两者是否完全相同的对象）。您应该在此处使用 equals() 方法。为了确保我建议使用 equalsIgnoreCase()：

return doc.getDocumentElement().getNodeName().equalsIgnoreCase("rss");

提示：如果您在 isRss() 方法您不必使用三元运算符。

Answer 2

嗅探内容是一种方法。但请注意，atom 使用命名空间，并且您正在创建一个非命名空间感知的解析器。

public boolean isAtom(String URL) throws ParserConfigurationException, SAXException, IOException{
    DocumentBuilderFactory f = DocumentBuilderFActory.newInstance();
    f.setNamespaceAware(true);
    DocumentBuilder builder = f.newInstance().newDocumentBuilder();
    Document doc = builder.parse(URL);
    Element e = doc.getDocumentElement(); 
    return e.getLocalName().equals("feed") && 
            e.getNamespaceURI().equals("http://www.w3.org/2005/Atom");
}

另请注意，不能使用 equalsIgnorCase() 进行比较，因为 XML 元素名称区分大小写。

另一种方法是对 Content-Type 标头做出反应（如果它在 HTTP GET 请求中可用）。 ATOM 的内容类型为 application/atom+xml，RSS 的内容类型为 application/rss+xml。但我怀疑并非所有 RSS 提要都可以信任正确设置此标头。

第三个选项是查看 URL 后缀，例如 .atom 和 .rss。

如果您使用 Spring 或 JAX-RS，最后两种方法很容易配置

Answer 3

您可以使用 StAX 解析器来避免将整个 XML 文档解析到内存中：

public boolean isAtom(String url) throws ParserConfigurationException, SAXException, IOException{
    XMLInputFactory xif = XMLInputFactory.newFactory();
    XMLStreamReader xsr = xif.createXMLStreamReader(new URL(url).openConnection());
    xsr.nextTag();  // Advance to root element
    return xsr.getLocalName().equals("feed") && 
            xsr.getNamespaceURI().equals("http://www.w3.org/2005/Atom");
}