charset和rome（rss / atom feed）的问题

Question

我正在尝试使用rome（1.0）创建Feed聚合器。一切正常，但我遇到饲料字符集的问题。我正在使用java 1.6在mac os x（netbeans 6.9.1）上开发它。

我正在使用以下代码检索Feed：

InputStream is = new URL(_source).openConnection().getInputStream();
SyndFeed feed = (SyndFeed) input.build(new InputStreamReader(is, Charset.forName(_charset)));

其中_source是rss源（如http://rss.cnn.com/rss/edition.rss），_charset是UTF-8或ISO-8859-1。

它有效，但有些网站有拉丁字符（如葡萄牙语），即使我同时使用这两种编码也不行。

例如，从http://oglobo.globo.com/rss/plantaopais.xml读取的Feed将始终返回虚拟字符，如下所示：

秘密保罗（UTF-8）
SecretáriodeSão Paulo （ISO-8859-1）

为什么呢？我错过了什么吗？

如果我尝试使用像UTF-16这样的东西，罗马会抛出一个错误：com.sun.syndication.io.ParsingFeedException：无效的XML：第1行出错：prolog中不允许使用内容。

我尝试过其他编码，比如US-ASCII，没有幸运......

另一个问题：罗马是处理Feed的最佳解决方案（使用java）吗？来自罗马的最新版本是从2009年开始的1.0版本。似乎已经死了......

TIA，

鲍勃

Answer 1