前陣子在做一個 RSS 線上聚合器,遇到相當典型的編碼難題。
大部分 RSS 2.0 的 XML 採用 UTF 系列編碼,.NET 都能正常讀取;但有些來源使用 GBK 之類的編碼,.NET 就讀不下去了。更麻煩的是,即使手動把 XML 宣告中的編碼改成 gb2312 或其他值,一樣讀不出來——然而同一個網址用 IE 打開,中文卻顯示得完全正常。這下確實卡住了。
既然宣告改不改都一樣,那就換個思路:改變編碼本身。我的聚合器讀取的 RSS 並不是本機檔案,而是線上內容,所以流程是先用 HTTP 取得回應串流,再用串流讀取器指定正確編碼把位元組解成字元,最後交給 XmlDocument 處理。核心程式碼如下:
private void Page_Load(object sender, System.EventArgs e)
{
rssRepeater.DataSource = ReturnReadResult(Request["url"]);
rssRepeater.DataBind();
}
private DataTable ReturnReadResult(string rssUrl)
{
// 建立 DataTable 表格
DataTable dt = CreateDataTable();
DataRow dr;
try
{
XmlDocument xml = new XmlDocument();
// 正常載入完全合格的 RSS 2.0 檔案
try
{
xml.LoadXml(rssUrl);
}
catch
{
// 以下的措施針對一些特殊的 RSS 2.0 來源,
// 例如:https://www.csdn.net/rss/rssfeed.aspx?rssid=1&bigclassid=14
// 按照常規是無法正常載入的,需要進一步處理。
// 這裡示範的是天極的來源:https://soft.yesky.com/index.xml
rssUrl = "https://soft.yesky.com/index.xml";
System.Net.WebRequest wr = System.Net.WebRequest.Create(rssUrl);
System.Net.WebResponse srp = wr.GetResponse();
// 關鍵:把內容一律轉成 gb2312 編碼來讀
StreamReader sr = new StreamReader(
srp.GetResponseStream(),
System.Text.Encoding.GetEncoding("gb2312"));
xml.LoadXml(sr.ReadToEnd().Trim());
sr.Close();
srp.Close();
}
// 讀取頻道標題資訊,並判斷是否有圖片可顯示
try
{
titleLabel.Text = xml.SelectSingleNode("/rss/channel/title").InnerText
+ "<br><a href = "
+ xml.SelectSingleNode("//image/link").InnerText
+ ">"
+ "<img src="
+ xml.SelectSingleNode("//image/url").InnerText
+ " border = no></a><br>"
+ xml.SelectSingleNode("/rss/channel/description").InnerText
+ "<br>"
+ xml.SelectSingleNode("/rss/channel/link").InnerText;
}
catch
{
try
{
// 沒有圖片的情況
titleLabel.Text = xml.SelectSingleNode("/rss/channel/title").InnerText
+ "<br>"
+ xml.SelectSingleNode("/rss/channel/description").InnerText
+ "<br>"
+ xml.SelectSingleNode("/rss/channel/link").InnerText;
}
catch
{
// 連頻道說明也沒有的情況
titleLabel.Text = xml.SelectSingleNode("/rss/channel/title").InnerText
+ "<br>"
+ xml.SelectSingleNode("/rss/channel/link").InnerText;
}
}
XmlNodeList nodes = xml.SelectNodes("//item");
foreach (XmlNode item in nodes)
{
dr = dt.NewRow();
foreach (XmlNode child in item.ChildNodes)
{
switch (child.Name)
{
case "title":
dr["title"] = child.InnerText;
break;
case "link":
dr["link"] = child.InnerText;
break;
case "author":
dr["author"] = child.InnerText;
break;
case "guid":
dr["guid"] = child.InnerText;
break;
case "category":
dr["category"] = child.InnerText;
break;
case "pubDate":
dr["pubDate"] = child.InnerText;
break;
case "description":
dr["description"] = child.InnerText;
break;
case "comments":
dr["comments"] = child.InnerText;
break;
}
}
dt.Rows.Add(dr);
}
return dt;
}
catch (Exception ex)
{
Response.Write(ex.ToString());
return null;
}
}
// 手動建立一個 DataTable
private DataTable CreateDataTable()
{
DataTable dt = new DataTable();
DataColumn dc;
System.Type type = System.Type.GetType("System.String");
dc = new DataColumn("title", type);
dt.Columns.Add(dc);
dc = new DataColumn("link", type);
dt.Columns.Add(dc);
dc = new DataColumn("author", type);
dt.Columns.Add(dc);
dc = new DataColumn("guid", type);
dc.DefaultValue = "";
dt.Columns.Add(dc);
dc = new DataColumn("category", type);
dc.AllowDBNull = true;
dt.Columns.Add(dc);
dc = new DataColumn("pubDate", type);
dt.Columns.Add(dc);
dc = new DataColumn("description", type);
dc.AllowDBNull = true;
dt.Columns.Add(dc);
dc = new DataColumn("comments", type);
dc.AllowDBNull = true;
dt.Columns.Add(dc);
return dt;
}
經過這樣的處理,大部分線上 RSS 2.0 來源都能順利讀取。程式結構上採取了兩層防護:先嘗試以最快的方式直接載入,失敗時才走串流轉碼的路徑。這樣常態來源不必付額外的成本,異常來源也不至於讓整個頁面爆掉。
頻道標題的組裝用了巢狀 try/catch,是因為不同網站提供的 RSS 欄位完整度差異很大——有的附圖片、有的沒有 image 節點、有的連 description 都省了。逐層降級的寫法雖然樸素,但在面對真實世界參差不齊的資料時相當有效。
至於本機檔案,做法完全一樣:用 StreamReader 指定目標編碼讀成字串,再交給 XmlDocument 即可。歸根究柢,重點只有一句——透過串流完成編碼轉換,而不是試圖說服 XML 宣告去配合 .NET 的解讀方式。