Java：解析 RSS 提要时出错

Question

下面是代码。

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 提要的 link 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

节点标题的值，如您在 xml 中所见，显然不为空。

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

查看您遇到的错误的验证选项。就标题的空值而言，节点上的 toString 似乎只是 returns 空值，或者做了一些刚刚变为空值的事情。如果您将其更新为 System.out.print(nodes.item(k).getTextContent());，它将打印出标题。

Answer 2

有两个问题。让我们先解决您可能最关心的问题。

您的 NodeList 中的节点是 Element 节点。实际的文本节点是它们的子节点。所以要得到你想要的值，你可以这样做：

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

或（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更健壮，因为如果恰好有多个子节点，getTextContent() 将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，它正在寻找一个不存在的嵌入式 DTD，并且它正在向您抱怨。 tl;dr 是 setValidating(false).

如果你真的想要验证 RSS，你应该尝试找到一个非官方的（因为没有官方的）XSD 模式文件并设置它在您的 DocumentBuilderFactory 中。不过，在这种情况下对 RSS 使用 XSD 可能不值得，因为互联网上一半的 RSS 尽管完全可用，但可能无法通过验证:).

Java：解析 RSS 提要时出错

Java: error while parsing a RSS feed

java

xml

rss