要查找给定的URL是否为RSS源URL

Question

我有一个必须处理的URL列表，结果应该只是该列表中的RSS源URLS。

如何识别给定链接是否为RSS Feed URL。

我需要在Java中建立程序和为我们的知识，是一个Java初学者。

请给我简单的建议。提前致谢。

Answer 1

有一些事情你可以试试，把我的头顶部：

1. 看到什么Content-Type指定网址的服务器返回。但是，这可能不是确定性的，服务器可能不一定会返回正确的标题。
2. 尝试将RSS的内容解析为RSS并查看它是否成功 - 这可能是给定URL是RSS源的唯一明确证据。

Answer 2

只给出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。如果您只是基于“.xml”进行分类，您会犯很多错误 - 将很多非RSS文件分类为RSS，并将一些RSS文件分类为非RSS。

要真正确定，您需要在指定的URL中真正获取文件并对其进行解析。你应该找一个库来做到这一点，因为你自己解析它可能是一场噩梦。这个库看起来是合理的：http://www.davidpashley.com/projects/eddie.html您可以加载每个URL的内容，将它传递给库，并且如果库成功解析它，则将其标记为RSS或Atom提要。您可能会有错误的消极处理，但与仅基于URL进行分类相比，它们的使用频率会更低。

如果你关心的是RSS并且性能是一个问题（即你不想为每个文件启动一个SAX解析器），你可以阅读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广泛的文件，看起来可能是RSS文件。你会有更多的误报（可能会有一些误报），但速度会更快。这一切都取决于你想花多少时间在这方面，以及你有多确定需要。但要准确无误，你需要下载每个文件来检查它。

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。
这里的教程可能有所帮助：RSS feeds with Java。