查找给定URL是否为RSS源URL

Question

我有一个必须处理的网址列表，结果应该只是该列表中的RSS Feed网址。

如何识别给定链接是否为RSS Feed URL。

我需要用Java构建程序，为了你的知识，我是Java的初学者。

请同样简要地告诉我。提前谢谢。

Answer 1

有些事情你可以尝试，从我的头顶开始：

1. 查看服务器为给定URL返回的Content-Type。但是，这可能不是确定的，服务器可能不一定返回正确的标头。
2. 尝试将URL的内容解析为RSS并查看它是否成功 - 这可能是给定URL是RSS提要的唯一明确证据。

Answer 2

只有URL，没有办法100％确定。 RSS文件通常是.xml，但不是（据我所知）需要具有该后缀。如果您只是根据“.xml”进行分类，则会出现很多错误 - 将大量非RSS文件分类为RSS，将一些RSS文件分类为非RSS。

要确定，您需要实际获取指定URL的文件并解析它。您可能应该找到一个库来执行此操作，因为自己解析它可能是一场噩梦。这个库看起来很合理：http://www.davidpashley.com/projects/eddie.html您可以加载每个URL的内容，将其交给库，如果库成功解析它，则将其标记为RSS或Atom提要。您可能有误报，但与您尝试仅根据网址进行分类相比，它们的频率会降低。

如果您关心的是RSS并且性能是个问题（即您不想为每个文件启动SAX解析器），您可以阅读RSS规范（http://cyber.law.harvard.edu/rss/rss.html）并且只是做一些简单的字符串搜索文件，看起来像它们可能是RSS文件。你会有更多的误报（可能还有一些假阴性），但它会更快。这一切都取决于你想花多少时间在这上面，以及你需要多么确定。但要完全准确，您需要下载每个文件进行检查。

Answer 3

RSS文档是一个XML文件。 XML文件的格式在RSS Specification中给出。您可以使用Java中的XML解析器来读取和创建RSS源 这里有一个可能有用的教程：RSS feeds with Java。