Java 實現 Web 版 RSS 閱讀器（四）：自製 myrsslib4j 解決 403 與摘要缺失

痛點：rsslib4j 的兩大短板

1. 403 Forbidden：CSDN 等站點拒絕 Java 默認 User-Agent，導致 Server returned HTTP response code: 403。
2. 無摘要 API：RSS 格式缺乏標準摘要欄位，原庫未提供獲取摘要方法。
3. 解析不全：Channel 節點下的 link、language 等在 image 節點後出現時會被漏解析（標記位邏輯缺陷）。

修改一：注入 User-Agent 繞過 403

修改 org.gnu.stealthp.rsslib.RssParser.setXmlResource(URL)：

URLConnection con = u.openConnection();
// 新增：偽裝瀏覽器 UA
con.setRequestProperty("User-Agent", "Mozilla/4.0 (compatible; MSIE 5.0; Windows NT; DigExt)");
con.setReadTimeout(10000);
// 原有邏輯...
is = new InputSource(new UnicodeReader(con.getInputStream(), Charset.guess(u)));

同步修改 org.mozilla.intl.chardet.Charset.guess(URL)，同樣注入 UA 後再獲取輸入流。

修改二：新增 getSummary() 方法

在 org.gnu.stealthp.rsslib.RssObject 中新增：

public String getSummary() {
    String summary = getDescription(); // RSS 無 summary，退回 description
    if (summary.length() >= 300) summary = summary.substring(0, 300);
    // 移除 HTML 標籤與實體
    String regEx = "\\s|<[^>]+>|&\\w{1,5};";
    summary = Pattern.compile(regEx, Pattern.CASE_INSENSITIVE).matcher(summary).replaceAll("");
    if (summary.length() >= 100) summary = summary.substring(0, 100);
    return summary + "...";
}

修改三：修復 Channel 節點解析不全

問題根因：RSSHandler.startElement() 遇到 image、textinput 等子節點時設 reading_chan = false，導致後續同層級節點 (link/language) 不再解析。
修復：在 endElement() 中，針對這些子節點結束時重置 reading_chan = true：

if (tagIsEqual(qName, IMAGE_TAG)) {
    reading_image = false;
    reading_chan = true; // 關鍵：恢復 channel 解析狀態
}
if (tagIsEqual(qName, TEXTINPUT_TAG)) {
    reading_input = false;
    reading_chan = true;
}

打包與驗證

1. 右鍵專案 → Export → Java → JAR file，取消所有勾選，輸出 myrsslib4j.jar。
2. 測試類 org.javali.util.test.RssNewsFetcher 加入 CSDN 與網易博客 RSS，控制台輸出標題、鏈接、摘要均正常。

源碼開源

專案託管於 Google Code：https://code.google.com/p/myrsslib4j/，歡迎 Fork 與 Issue。

局限與下一步

myrsslib4j 仍僅支援 RSS 格式。下一篇將發布 myrome（基於 Rome 修改），完美支援 RSS 1.0/2.0 + Atom 1.0，成為閱讀器最終解析引擎。