Java:解析 RSS 提要时出错

Question

您可以在下面看到代码。

public static void main(String[] args) throws Exception {
        DocumentBuilderFactory factory = DocumentBuilderFactory.newInstance();
        factory.setValidating(true);
        factory.setIgnoringElementContentWhitespace(true);
        DocumentBuilder builder = factory.newDocumentBuilder();

        Document doc = builder.parse("http://rss.adnkronos.com/RSS_Politica.xml");

        NodeList nodes = doc.getElementsByTagName("title");

        for(int k=0; k < nodes.getLength(); k++) {
            System.out.print(nodes.item(k));
        }

    }

RSS feed 的链接如下:http://rss.adnkronos.com/RSS_Politica.xml

结果(在控制台中)如下:

null null null null null null null null null null null null null null null null null null null null null

正如您在 xml 中看到的，节点标题的值显然不为 null。

结果后，显示以下错误(翻译自意大利语)。

Error: URI=http://rss.adnkronos.com/RSS_Politica.xml Line=1: The root element "rss" must match the root DOCTYPE "null".

Error: URI=http://rss.adnkronos.com/RSS_Politica.xml Line=1: Document is invalid: no grammar found.

Answer 1

有两个问题。让我们先处理您可能最关心的问题。

NodeList 中的节点是 Element 节点。实际的文本节点是它们的子节点。因此，要获得您想要的值，您可以执行以下操作:

nodes.item(k).getFirstChild().getNodeValue()

或者(在本例中):

nodes.item(k).getTextContent()

我个人认为前者在进行一般解析时稍微稳健一些，因为如果碰巧有多个子节点，getTextContent() 将会连接所有子节点的所有文本内容。

至于验证错误，默认情况下，当您执行 setValidating(true) 时，它会查找嵌入的 DTD，但该 DTD 不存在，并且它会向您提示。 tl;dr 是 setValidating(false)。

如果您确实想要验证 RSS，您应该尝试找到一个非官方(因为没有官方)XSD 架构文件，并将其设置在您的 DocumentBuilderFactory 中。不过，在这种情况下使用 XSD 进行 RSS 可能不值得，因为互联网上一半的 RSS 虽然完全可用，但可能会失败验证:)。