DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
用 XmlDocument 處理線上 XML 的編碼轉換問題
編輯:XML詳解     

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;
}

幾點值得留意的細節

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。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved