Xác định xem nguồn cấp dữ liệu là Atom hay RSS

Question

Tôi đang cố gắng xác định xem nguồn cấp dữ liệu đã cho dựa trên Atom hay dựa trên RSS.

Dưới đây là mã của tôi:

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"; 
    } 

Có cách nào tốt hơn để làm điều đó? nó sẽ tốt hơn nếu tôi sử dụng SAX Parser chứ?

Answer 1

Nội dung đánh hơi là một phương pháp. Nhưng lưu ý rằng nguyên tử sử dụng các không gian tên và bạn đang tạo một trình phân tích cú pháp nhận thức không gian tên.

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"); 
} 

Cũng lưu ý rằng bạn không thể so sánh bằng equalsIgnorCase(), vì tên phần tử XML phân biệt chữ hoa chữ thường.

Phương pháp khác là phản ứng trên tiêu đề Kiểu nội dung, nếu nó có sẵn trong yêu cầu HTTP GET. Loại nội dung cho ATOM sẽ là application/atom+xml và cho RSS application/rss+xml. Mặc dù vậy, tôi có thể nghi ngờ rằng không phải tất cả nguồn cấp dữ liệu RSS đều có thể tin cậy để thiết lập tiêu đề này một cách chính xác.

Tùy chọn thứ ba là xem hậu tố URL, ví dụ: .atom và .rss.

Hai phương pháp cuối cùng có thể dễ dàng cấu hình nếu bạn đang sử dụng Spring hay JAX-RS

Answer 2

Phần tử gốc là cách dễ nhất để xác định loại nguồn cấp dữ liệu.

• tin qua RSS có phần tử gốc rss (xem specification)
• Atom có ​​phần tử gốc feed (xem specification)

Đối với phân tích cú pháp khác nhau có những cách khác nhau để có được những phần tử gốc. Không ai kém hơn người kia. Đã có văn bản đủ về StAX so với SAX so với DOM vv, có thể được sử dụng làm cơ sở cho một quyết định cụ thể.

Không có gì sai với hai dòng đầu tiên của mã này là:

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

Trong tuyên bố trở lại của bạn, bạn thực hiện một sai lầm trên Java String so sánh.

Khi bạn sử dụng toán tử so sánh == với chuỗi, nó so sánh tham chiếu không phải giá trị (nghĩa là bạn kiểm tra xem cả hai có chính xác cùng một đối tượng) hay không. Bạn nên sử dụng phương thức equals() tại đây. Chỉ cần chắc chắn tôi sẽ khuyên bạn nên sử dụng equalsIgnoreCase():

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

Gợi ý: Nếu bạn kiểm tra cho "rss" thay vì "thức ăn" (như cho Atom) trong phương pháp isRss() của bạn, bạn không cần phải sử dụng các ternary nhà điều hành.

Answer 3

Bạn có thể sử dụng một cú pháp Stax để tránh phân tích toàn bộ tài liệu XML vào bộ nhớ:

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"); 
}