（计算机软件与理论专业论文）基于rss技术的图书馆信息发布与订阅系统的设计与实现.pdf

，i | _ a t h e s i s n o r t h e a s t e r nu n i v e r s i t y 2 0 0 8 i ； ， f 独创性声明 本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得 的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过 的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工 作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示 谢意。 ， 学位论文作者签名崭。屯萍 e l 期：砒7 莎 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论 文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和 磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部 或部分内容编入有关数据库进行检索、交流。 作者和导师同意网上交流的时间为作者获得学位后： 半年i一年口一年半口两年口 学位论文作者签名：身。如牟 签字日期：朋矗7 多 导师签名： 签字日期： 胡瓣畦 2 卵雷。_ 7 r 肆 东北大学硕士学位论文 摘要 基于r s s 技术的图书馆信息发布与订阅系统的设计与实现 摘要 随着信息技术和信息资源的日益丰富和多样化，读者的信息需求也出现多样化、 个性化的发展，为读者提供新颖、便捷的服务成为图书馆发展创新的重要任务。号称 “网络信息拯救者 的r s s ，凭借它的个性化定制、自动更新、媒体平等、促进交流 等特点，无疑将成为数字图书馆提供信息服务的有力工具。 本文在对r s s 技术研究的基础上，提出了基于r s s 技术的图书馆信息发布与订 阅系统的设计与实现。读者通过r s s 的订阅可实现在一个界面浏览多个网站信息的功 能。在开发系统时，对于系统要实现的功能分系统管理中心与读者订阅中心两个子系 统来实现。其中系统管理中心子系统采取多级别的管理模式，根据管理人员的职责分 工不同分配不同的管理权限，在该子系统中可实现的功能有：管理员权限设置功能、 读者信息管理功能、r s sf e e d 订阅统计功能、r s sf e e d 发布功能，其中，r s sf e e d 订阅统计功能采用图形的输出方式，r s sf e e d 的生成则采用基于模版的方式设计，通 过配置r s s 的基本信息进行r s sf e e d 的添加与管理。在读者订阅中心子系统中，读 者通过登录进入子系统，同时也可进行注册申请，并将信息进行保存，以实现r s sf e e d 的订阅与管理。为方便读者阅读r s sf e e d ，在系统的读者订阅中心模块中通过将采集 到的r s sf e e d 进行解析、存储并最终“推”送到读者端，实现了r s sf e e d 的网页阅 读功能。 本系统的开发，使信息一站式订阅服务成为现实，可更加方便、快捷、集中、高 效的为读者服务。 关键词：r s s ：可扩展置标语言；r s s 源；文档对象模型； 一n 一 ： l f ， ，、 t ， t 东北大学硕士学位论文 a b s t r a c t t h ed e s i g na n di m p l e m e n t a t i o no fr s st e c h n o l o g y 。- 。b a s e d l i b r a r yi n f o r m a t i o nr e l e a s ea n ds u b s c r i b es y s t e m a b s t r a c t w i t ht h ea b u n d a n c ea n dd i v e r s i f i c a t i o no ft h ei n f o r m a t i o nt e c h n o l o g ya n dt h e i n f o r m a t i o nr e s o u r c e s ，t h er e a d e r si n f o r m a t i o nn e e d sb e c o m ed i v e r s i f i e da n d p e r s o n a l i z e d i tr a i s e da l li m p o r t a n tt a s k f o rl i b r a r y si n n o v a t i v ed e v e l o p m e n t ：h o wt o p r o v i d et h en o v e la n dc o n v e n i e n ts e r v i c e sf o rt h er e a d e r s a st h e “s a v i o ro ft h en e t w o r k i n f o r m a t i o n ，r s s ，f e a t u r e si ni t sp e r s o n a l i z e dc u s t o m - m a d e ，a u t o m a t i cu p d a t e s ，m e d i a e q u a l i t y , t h ep r o m o t i o no fe x c h a n g e sa n ds oo n , w i l lb e c o m eap o w e r f u lt o o lf o rd i g i t a l l i b r a r yt op r o v i d ei n f o r m a t i o ns e r v i c e s b a s i n go nt h er s st e c h n o l o g ys t u d i e s ，t h i sp a p e rp u t sf o r w a r dt h es y s t e md e s i g na n d i m p l e m e n t a t i o no fl i b r a r yi n f o r m a t i o np u b l i c a t i o na n ds u b s c r i p t i o n r s sr e a d e r sc a n i n t e r f a c et om u l t i p l es i t e s i n f o r m a t i o nt h r o u g ht h er e a l i z a t i o no fs u b s c r i p t i o n s i nt h e d e v e l o p m e n to ft h es y s t e m , t h es y s t e mh a sb e e ns u b d i v i d e dt ot w os u b s y s t e m s ：t h e m a n a g e m e n tc e n t r ea n dr e a d e r ss u b s c r i p t i o nc e n t e r t oa c h i e v es y s t e mf u n c t i o n t h e m a n a g e m e n tc e n t r es u b s y s t e m t a k e sm u l t i - l e v e lm a n a g e m e n tm o d e l ，m a n a g e r sa t e a u t h o r i z e dd i f f e r e n t m a n a g e m e n ta u t h o r i t ya c c o r d i n g t ot h e i rd i f f e r e n td u t i e s t h i s s u b s y s t e mc a na c h i e v et h ef o l l o w i n gf u n c t i o n s ：a d m i n i s t r a t o ra c c e s ss e t t i n g 、 r e a d e r s i n f o r m a t i o nm a n a g e m e n t 、r s sf e e d ss u b s c r i p t i o ns t a t i s t i c s 、r s sf e e d sp u b l i c a t i o n i n w h i c hr s sf e e d ss u b s c r i p t i o ns t a t i s t i c su s eo fg r a p h i c so u t p u t 、r s sf e e d sg e n e r a t i o ni s b a s e do nt e m p l a t e s r s sf e e d sa d d i n ga n dm a n a g e m e n ta r er e a l i z e db yd e p l o y i n gb a s i c i n f o r m a t i o n i nt h er e a d e r ss u b s c r i p t i o ns u b s y s t e m ，r e a d e rc a l la c c e s st h e s u b s y s t e mb y l o g i 巩r e a d e rc 觚a l s oa p p l yf o rr e g i s t r a t i o n , a n dt h ei n f o r m a t i o ni ss a v e df o rr s sf e e d s u b s c r i p t i o na n dm a n a g e m e n t f o rt h ec o n v e n i e n c eo fr s sf e e d r e a d i n g ，i nt h er e a d e r s s u b s c r i p t i o nc e n t e rm o d u l e ，t h er s sf e e d sa r eb e i n ga n a l y z e d 、s t o r e da n df i n a l l y p u s h t o r e a d e r s ，r s sf e e dw e ba c c e s si si m p l e m e n t t h i ss y s t e mm a k e so n e s t e ps u b s c r i p t i o nr e a l i z e d ，a n dc a l la f f o r dm o r ec o n v e n i e n t , 一i i i 一 、j 一 查! ! 垄兰堡主兰堡笙圭 垒! 望坚生 _ _ _ - _ _ _ - _ _ l _ _ - _ - _ - _ _ - l - _ - _ _ l - _ - _ _ _ _ - _ _ _ - _ _ _ _ - l _ _ _ - _ _ _ _ _ - - _ _ - _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ l - - _ 一。一 f a s t ，f o c u s e da n de f f i c i e n ts e r v i c et or e a d e r s k e yw o r d s ：r s s ；x m l ；r s sf e e d ；d o m ； 一一 - r 一 ： - i t 东北大学硕士学位论文目录 目录 独创性声明i 摘要 a b s t r a c t i i i 目录v 第1 章绪论l 1 1 课题目的和意义1 1 2 问题的提出2 1 3 国内外研究现状2 1 4 论文的组织结构3 第2 章关键技术5 2 1r s s 技术5 2 1 1 传统w e b 浏览与r s s 订阅信息浏览的区别5 2 1 2r s s 技术的优点6 2 1 3r s s 规范。7 2 1 4r s s 技术基本原理8 2 2 解析方法的选择9 2 3d o m 解析过程及方法1 0 第3 章系统的设计15 3 1 系统设计目标1 5 3 2 系统功能模块图l5 3 3 数据库的设计1 8 3 4 模块的详细设计2 2 第4 章系统功能的实现2 7 4 1 系统管理中心子系统功能的实现2 7 一v 一 东北大学硕士学位论文 目录 4 1 1 管理员登录2 7 4 1 2 管理员权限设置3 0 4 1 3 读者信息管理3 2 4 1 4r s sf e e d 订阅统计3 3 4 1 - 5r s sf e e d 发布3 4 4 2 读者订阅中心子系统功能的实现4 1 4 2 1 读者登录4l 4 2 2 读者信息查询4 4 4 2 3r s s 频道订阅4 6 4 2 4r s sf e e d 阅读4 7 第5 章结论及展望4 9 5 1 结论。4 9 5 2 展望一4 9 参考文献5 l 致谢5 3 一一 东北大学硕士学位论文第1 章绪论 1 1 课题目的和意义 第1 章绪论 随着信息时代的到来，传统信息服务部门诸如图书馆等毫无疑问需要革新自身的 信息服务方式，需要充分整合信息技术的优势从而实现高效率、高质量的信息服纠1 1 。 r s s 强大的贮存功能和传递功能使读者能及时获取到更快、更多、更新的信息，有助 于读者知识的及时更新，成为图书馆提供个性化 2 1 信息服务的有力工具。主动互联以 及开展个性化、自助性服务等特点更加突出r s s 技术的功能及优势，从而使图书馆“信 息资源中心”的作用得到进一步发挥。r s s 技术在图书馆中的应用主要可以表现在以 下3 个方面： ( 1 ) 信息收集一收集各学科门户网站的电子资源信息：在r s s 应用中，当读者 在提供r s s 输出的界面提交自己感兴趣的主题后，提供r s s 输出的各个网站中与需 求有关的信息都被“抓到读者面前，并依据一定的标准进行排列。这样，读者无需 分别打开各网站进行搜索，也不用费力地去记忆众多的网址，r s s 可以自动地把有关 信息“抓”到一起供读者参考使用。 ( 2 ) 信息推送【3 l 提供主动信息服务：主动信息服务的提供是在信息推送技术的 应用下完成的。推送技术的核心是建立一个信息代理机制，由它把网上的信息用推送 ( p u s h ) 的方式送到读者面前。读者无需连接到资源所在的网站，r s s 就可以把其所聚 合的大量相关的最新信息主动提供给读者，以满足读者的需求。 ( 3 ) 信息过滤一提供一站式信息服务平台：在r s s 对信息有效集成的基础上， 读者只需要通过一次检索即只需在第一次使用时提出具体的请求，在今后的查询中不 必次次发出请求就可检索相关网站所提供的全部信息，并经过过滤机制为读者提供结 果集。这一方面避免了读者在网上漫无边际地寻找，可以节省宝贵的时间和上网费用； 另一方面因无需查看整个网站，从而减少无用信息在网络中的传输。以这种方式对高 校的重点学科进行信息积累，一定会深化图书馆的特色服务。 r s s 技术能提高图书馆网络信息服务效率与质量。在图书馆网络信息服务领域， 基于r s s 的技术创新不仪为图书馆提供新的服务手段，而且也提升了图书馆网络信息 服务的能力，为读者获取信息提供了更多的选择，在图书馆服务理念上也是一次飞跃。 东北大学硕士学位论文第1 章绪论 1 2 问题的提出 数字化校园的建设，促进了图书馆的数字化建设，现在图书馆信息的发布以及与 读者的沟通，大都通过网络来进行，而图书馆现有的服务模式难以满足读者的要求， 主要存在以下几个问题： ( 1 ) 多级链接进行信息查询：读者需要根据导航提示，多层链接，才能进入到要 查看的页面。 ( 2 ) 读者得到的信息不及时：读者不能在第一时间了解到网站的信息更新，需要 到打开各个网页进行查看，才能得知是否有信息的更新，有时得到的信息可能已经过 时。 ( 3 ) 服务单向被动：读者需主动的查询信息，不能进行信息的主动推送 ( 4 ) 服务的大众化；网上提供的信息不全是读者所需要的，尤其是新书推荐，不 能分门别类的查询，难以满足读者的个性化需求。 因此为了更好的服务读者，完全有必要开发一套系统，提供一站式订阅服务，可 方便、快捷、集中、高效的为读者服务 通过综合需求分析，我们决定采用r s s 技术来实现系统的开发，将多个网站的信 息集成在一个页面中进行浏览。由管理员根据网站提供的信息制作r s sf e e d ，诸如数 据库、w e b 资源、虚拟参考咨询等分布式的网络信息服务整合【4 】在一起，通过一个统 一的界面展示给读者，并根据内容的变化实时更新r s sf e e d ，且管理员可统计读者的 订阅情况，并进行管理。读者根据各自的兴趣和需要订阅i 峪s 频道，在不打开站点内 容页面的情况下，先阅读摘要，然后根据自己的需要再进一步阅读相关内容一个用 户可以订阅多个站点的r s sf e e d ，以完成不同来源信息的聚合。订阅后，新信息就会 源源不断的被实时“推送 到用户面前，而不需要用户在多个网站间来回“获取 信 息。 1 3 国内外研究现状 在图外，现在很多图书馆都已经用r s s 开展信息推送服务，利用r s s 技术根据 读者的专业进行个性化信息传递服务。通过r s s 技术提供服务的主动性，返回信息的 新颖性、及时性等特点为读者提供高质量、可靠、全面且准确的信息推送服务，从r s s 窗口，读者可以即时了解到图书馆所提供的专题书目、光盘文献、图情快讯、特色文 一2 一 东北大学硕士学位论文 第1 章绪论 献、新书资源的通告以及会议消息等信息，从而体现出图书馆的文献信息中心地位。 如：o k l a h o m a 大学图书馆通过r s s 向读者提供最新消息通告、新书通告、新增电子资 源通告；麻省理工学院年代图书馆的新消息r s s 订阅服务、期刊目次的r s s 订阅服 务及资料库订阅服务；w i s c o n s i n - m a d i s o n 大学以及加拿大的s a s k a t c h e w a n 等大学也 都有基于r s s 的期刊目次服务。 在近期，国内的图书馆界也开始积极尝试采用r s s 来提高自己的服务水平。不仅 用以发布一些时效性较强的信息，同时也用来宣传图书馆的各项服务和最新动态。如： 清华大学图书馆应用r s s 技术开发了主页动态发布系统从而实现动态信息的发布和 管理，并按照信息内容的不同分设“图书馆公告、“电子资源动态”、“报告厅学术报 告”三个动态栏目。通过r s s 服务功能，有助于将这些最新信息及时推送到读者桌面， 能够使读者在第一时间了解图书馆的最新动态，从而提高服务水平。清华大学的成功 经验给国内图书馆信息服务带来很大的启示。武汉理工大学图书馆在应用中也采用了 r s s 技术。因为r s s 最大的目标就是与时俱进、随时掌握最新信息、不落伍。但要取 得非常好的效果则需要应用到读者识别和订阅情况统计等关键技术，也为图书馆进一 步更好地运用r s s 技术提供了借鉴。 可以大胆预测，r s s 技术在图书馆网络信息服务中将有着十分广阔的应用前景【5 】。 目前，r s s 技术在图书馆的应用虽然还只是初步的尝试和探索【6 】，但面对r s s 技术发 展大潮，它在图书馆领域的推广和普遍应用将是不容置疑的，它将能大大提升图书馆 的服务水平，为读者获取信息资源提供更多的途径和选择。特别是r s s 信息推送技术， 将使图书馆的主动信息服务方式有一个质的飞跃，成为一种对信息资源进行有效开发、 允许资源共享的重要手段。 1 4 论文的组织结构 本论文由五章组成： 第l 章即本章是全文的绪论部分。给出了本课题的目的和意义及问题的提出，并 分析了国内外研究现状，最后提出本论文的组织结构。 第2 章简要介绍了本论文所用到的关键技术。通过三部分来进行阐述，第一部分 介绍r s s 技术，通过传统w e b 浏览与r s s 订阅信息浏览的比较，提出了r s s 技术的 优点，之后介绍了r s s 技术的规范及基本原理。第二部分介绍了在本系统开发过程中 所用到的解析方法的选择，第三部分重点介绍了d o m 解析过程及方法。 一3 一 东北大学硕士学位论文 第1 章绪论 第3 章进行了该系统的总体设计。这章从系统的设计目标、功能模块的划分、数 据库设计及各模块的详细设计等几个方面对该系统总体设计进行了详细的阐述，使人 们对基于r s s 技术的信息发布与订阅系统的功能及实现方法有了较为清楚的认识 第4 章对该系统的实现进行了详细的设计通过每个模块功能的实现来完成整个 系统功能实现的介绍。 第5 章对全文进行了总结并提出下一步的研究方向。 一4 一 东北大学硕士学位论文 第2 章关键技术 2 1r s s 技术 第2 章关键技术 2 1 1 传统w e b 浏览与r s s 订阅信息浏览的区别 传统w e b 浏览方式读者需要打开多个浏览器窗口，进入不同的门户网站( 导航站) ， 再从这些站点寻找感兴趣的标题，点击相应的链接后才能看到目标信息。在一些大的 门户网站，读者往往需要三次甚至更多的点击才能看到最终的内容页面。并且这些内 容往往是过期的。如图2 1 所示。 - 、 传统w e b 浏览方式r s s 订阅w e b 方式 图2 1 传统w e b 浏览方式与r s s 订阅w e b 订阅方式比较 。 f i g 2 1t h ec o m p a r i s o n o fw e bb r o w s e sb e t w e e t lt r a d i t i o n a lw a ya n dr s s s u b s c r i p t i o nw a y 而通过r s s ( r e a u ys i m p l es y n d i c a t i o n ) 订阅w e b 信息，可看作是一种内容阅读的 “直销模式，读者可以在r s s 聚合站点或r s s 阅读器中有针对性地订阅自己感兴 趣的信息源。利用r s s 技术，目标信息源将内容提要( f e e d ) b l j 时传送到聚合站点或r s s 阅读器中。读者只要访问一个自己定制的聚合站点甚至只打开一个软件一r s s 阅读器， 就可以获取所有感兴趣的信息，而且这些信息是即时的。 川 表面上看r s s 订阅方式的功能如同收藏夹，但如果读者订阅了几百个网站的信 息，且这些网站中每天只有少数几个有更新，就完全没有必要把所有这些网站全都浏 览遍，而r s s 的浏览方式正是按照读者的要求只显示所订阅的各个网站的更新内 一5 一 东北大学硕士学位论文 第2 章关键技术 容，也就是说r s s 订阅的本质在于“同步更新一。 2 1 2r s s 技术的优点 作为一种处于发展时期的信息技术，不管是对信息的接收者、提供者，还是整个 互联网来说，r s s 的出现都是网络信息技术的一个突破，r s s 的技术优点主要表现在 以下几个方面1 7 - 9 1 ： 首先，r s s 技术提高了网络信息的利用效率。互联网的飞速发展在创造丰富的信 息资源的同时也带来了“信息爆炸一问题，个人所需要的只是互联网信息很小的一个 部分，只有信息资源的合理配置才能实现其效用的最大化，r s s 技术允许信息接收者 有选择的订阅自己所需要的信息，而且在收到摘要信息后有选择的获取详细信息，这 在很大程度上提高了网络信息的利用效率，这是其一其二，信息接收者通过r s s 技 术可以把目标信息聚合【1 0 l 到r s s 阅读器或r s s 聚合门户中，省略了中间的导航页面， 不但直接、方便，而且减少了被迫接收广告等信息污染的可能性第三，作为一种“推 技术，r s s 技术能按照一定的频率主动把相关信息推送到信息接收者的浏览器里，并 通过一定方式表明信息的发布时间大大提高了网络信息利用的时效性，这也是网络 信息利用效率提高的一个重要方面。 其次，r s s 技术为网络信息的个性化利用提供了方便作为一种网络信息元数据 格式。r s s 技术被广泛用于诸如新闻、电子商务、个人b l o c 乒1 1 】、电子出版等多种网 络信息源的发布，信息接收者根据自己的喜好，通过r s s 阅读器或r s s 聚合门户有 选择性地将感兴趣的多来源信息聚合在一个统一的界面中，并根据需要进行诸如更新 频率、排序方式、自动存档等相关设置，充分体现信息利用的个性化。 再次，对信息发布提供者来说，r s s 技术降低了信息的发布成本，提高了发布时 效。作为一种基于x m l 1 2 。1 3 1 的元数据格式，r s s 技术适合多种形式的网络信息发布， 而且在技术实现上非常简单，信息发布的实际成本趋近于零。r s s 技术秉承“推一信 息的理念，信息能在第一时间被“推一到读者端阅读器中，极大地提高了信息的时效 性和价值。 最后，r s s 技术提高了互联网信息的组织结构性。信息发布主体复杂、信息发布 形式多样、信息发布时间不确定、信息的结构化程度不一等特点导致了互联网除了具 有信息量大、资源丰富等优点之外，还有无序、组织结构性差等缺点r s s 技术的出 现在一定程度上提高了互联网信息的组织结构性，因为r s s 本身是一种元数据格式 - - 6 - - 东北大学硕士学位论文第2 章关键技术 l e 兰三焉巍勰， ll t i t l e i 【图片的标题】 h | 。 i _ 一l 址【图片源的u e l ，。 i l u r l 【图片的u r l l 一更多可选属性 _ 东北大学硕士学位论文 第2 章关键技术 需的，如表2 1 所示，其他都是可选的元素。 表2 1 必需的c h a n n e l 元素 t a b l e2 1t h er e q u i r e dc h a n n e le l e m e n t s 元素 描述 c h a n n e l 名称，如果有一个与r s s 文件内容一致的h t m l 网站， 啊t k 那该值应该与该网站的标题相同 l i n k关于本c h a n n e l 的h 1 1 沮网站链接 d e s c r i p t i 对于本c h a n n e l 的描述 ( 2 ) i t e m 元素 r s s 提要可以包括多个i t e m 元素。包括：a u t h o r ，c a t e g o r y ，g u i d ，e n c l o s u r e ，l i n k ， p u b d a t e ，s o u l c e ，d e s c r i p t i o n ，t i t l e 。虽然i t e m 元素众多，但是每个i t e m 元素必需包 含的只有d e s c r i p t i o n 或t i t l e 元素，这也是r s s 提要的核心元素。常见的i t e m 元素如 表2 2 所示。 表2 2 常见的i t e m 元素 t a b l e2 2t h ep a h i l m o nc h a n n e le l e m e n t s 元素 描述 i t e m 小结或正文 i t e m 元素标题 i t e m 的u r l 地址 i t e m 的作者的电子邮件地址 i t e m 可以包含在一个或多个分类之中 作为唯一标识符的字符串 i t e m 发布的日期 大多数的r s sf e e d 都会尽力提供尽可能多的可选i t e m 元素，以便r s s 阅读器获 取尽可能多的信息。 2 1 4r s s 技术基本原理 从定义上讲，r s s 是一种遵循w 3 cr d f 规范的用于共享新闻标题和其他w e b 内容的x m l 格式，是一种多用途和可扩展的元数据描述及联合推广格式与传统获 一r 一 o r 叮 钯 蛳 龇 耻 咖 岬 酬 栅 一 龇 耻 一 酬 一 东北大学硕士学位论文第2 章关键技术 取信息的方式不同，r s s 通过x m l 标准定义内容的包装和发布格式来发布信息，任 何内容提供者都可以采用这种r s s 标准格式，r s s 文件也称为r s sf e e d 。r s sf e e d 的产生和解析遵循r s s 标准规范。 r s s 处理流程分为2 个部分f 1 9 1 ：主要是起联合和聚合作用。内容提供者根据r s s 规范对各种信息用r s s 格式打包，即创建r s sf e e d 文件，然后采用“推”技术将其 发布到网络中，这个r s sf e e d 中包含的信息就能直接被其他站点调用，而且网站联 盟也能通过互相调用彼此的r s sf e e d 文件，自动地显示网站联盟中其他站点上的最 新信息，这被称为r s s 的联合，通过这种方式网站间实现了资源共享。而所谓r s s 聚合；就是通过软件工具的方法从网络上搜集各种r s sf e e d 并在一个界面中提供给 读者进行阅读。这些软件可以是在线w e b 工具，也可以是下载到客户端安装的工具。，；j 在国内多称之为l 峪s 新闻阅读器： i ，i r s s 联合中r s s 生成器是其核心组件，同时也是r s s 应用最重要的扩充组件， 它将h t m l 页面转换为r s s 文件供读者订阅。r s s 解析器是r s s 聚合模块的核心组 件，它用于处理各种不同版本的r s s 文件，生成h t m l 文档片断嵌入到a s p 页面或 t m l 文档中供读者使用。， ； i 2 2 解析方法的选择 。 ， 。l ，! 对于需要自己编写代码来处理x i v i l 文档的开发人员来说，处理x m l 文件的时候， 大致上有两种选择2 0 l ： ，c ! d o m 2 1 - 2 2 1 ( d o c u m e n to b j e c tm o d e l ) 是一个来自w 3 c 瞄1 的成熟标准，它是一种基 于树型的解析技术，其目标是提供一个可以通用于各种程序语言、操作系统和应用程 序的接口。d o m 采用对象模型和一系列的接口来描述x m l 文档的内容和结构，即利 用对象把文档模型化。在解析时，x m l 文档被语法分析程序翻译为对象的内存树，在 内存中构建起一棵完整的解析树，以表示每一种属性和元素。借此实现对整个x m l 文档的全面、动态的访问。使用者可以随机地访问x m l 文档，由于整个树都构建在 内存中，因此开发人员可以通过d o ma p i 添加、编辑、移动或删除树中任意位置的 节点，从而创建一个应用程序。该处理方式己经广泛应用在多种产品和系统实现之中a 一 i ，s a x 2 4 1 ( s i m p l ea p if o rx m l ，x m l 简易应用程序接口) 与d o m 不同，它并 非一个标准组织的产品。s a x 并不把应用程序的注意力放在整个文档的树型结构上， 而是在解析x m l 文档时通过向应用程序报告解析过程中的事件流来告知应用所解析 一9 一 东北大学硕士学位论文 第2 章关键技术 文档的内容。使用s a x 兼容的解析器解析x m l 文档时，每遇到一个事件会通过。回 调力返回应用程序，对于这个事件的反映取决于该应用程序，这种方式提供了一个有 效率又省内存的处理x m l 文件的方法。开发人员的主要工作就是编写一个个回调函 数，而这也正是s a x 灵活性的体现。对于一个大型x m l 处理系统，这往往是一个提 高处理效率的最佳选择。 选择d o m 还是s a x 解析模型是一个非常重要的设计决策d o m 采用建立树型 结构的方式访问x m l 文档，而s a x 采用的是事件模型。 d o m 解析器把x m l 文档转化为一个包含其内容的树，并可以对树进行遍历用 d o m 解析模犁的优点是编程容易，开发人员只需要调用建树的指令，然后利用 n a v i g a t i o na p i s 访问所需的树节点来完成任务。可以很容易的添加和修改树中的元素。 然而由于使用d o m 解析器的时候需要处理整个x m l 文档，所以对性能和内存的要 求比较高，尤其是遇到很大的x m l 文件的时候。由于它的遍历能力，d o m 解析器常 用于舭文档需要频繁改变的服务中。 s a x 解析器采用了基于事件的模型，它在解析x m l 文档的时候可以触发一系列 的事件，当发现给定的t a g 的时候，它可以激活一个回调方法，告诉该方法制定的标 签已经找到。s a x 对内存的要求通常会比较低，因为它让开发人员自己来决定所要处 理的t a g 。特别是当开发人员只需要处理文档中所包含的部分数据时，s a x 这种扩展 能力得到了更好的体现。但用s a x 解析器的时候编码工作会比较困难，而且很难同时 访问同一个文档中的多处不同数据。 所以不难看出，基本上d o m 与s a x 是正好相反的两个极端嘲。通过不同的效率 权衡一下，很明显，很多人很喜欢类似d o m 的使用方法，因为它可以遍历，这意味 着它可以支持x p a t h l 2 6 ，大大增强了易用性 2 3d o m 解析过程及方法 d o m 文档( d o c u m e n t ) 是以树这种层次结构组织起来的节点或信息片段的集合， 允许开发者浏览树来查找特定信息通常，需要在完成任何工作之前装入整个文档。 d o m 提供了一个a p l ，该a p i 允许开发者为创建应用程序而在树的任何地方添加、 编辑、移动或删除节点。作为w 3 c 公布的一种跨平台、与语言无关的接口规范，d o m 提供了在不同环境和应用中的标准程序接口，可以用任何语言实现 一l o 东北大学硕士学位论文 第2 章关键技术 x m l 文档对象模型( d o m ) 类是x m l 文档的内存中表示形式。x m l 文档被翻译 成内存树以后，开发者可以使用d o m 所提供的对象接口中的方法来浏览整个文档， 抽取信息，动态地创建x m l 文档，添加、 所需要的内容。 具体解析过程为【2 7 乏8 1 ： 修改、删除内容，或者将文档转换成自己 把x m l 文档( 以b o o k s c o x m l 为例) 载入解析器，代码为： x m l d o c - - n e w a c t i v e x o b j e c t ( m i c r o s o t l x m l d o m n ) ； x m l d o c a s y n c = f a l s e ； 、：t ：j x m l d o c 1 0 a d ( ”b o o k s c o x m l ”) ； ，i ， 第一行创建空的微软x m l 文档对象；，_ i ! 一，j ， 第二行关闭异步加载，这样可确保在文档完整加载之前，解析器不会继续执行脚 本； 。 ，。 一，i ，一- n ，： 第三行告知解析器加载名为”b o o k s c 0 x m t 的文档；j - i ，1 若为其它浏览器，则第一行创建空的x m l 文档对象的语句为 j x m l d o c = d o c u m e n t i m p l e m e n t a t i o n c r e a t e d o c u m e n t ( t ，, n u l l ) ； ：一f ：i = ，1 1 利用d o m 对r s s 文件进行内容抽取：r s s 文档都遵循x m i a 0 规范，是一种 x m l 文档，而d o m 是最常用的处理x m l 文档的方式，它对于x m l 拥有强大的操 作能力和结构化的操作方法。本系统中，就是通过x m l h t t p 对象向提供r s s 订阅的 服务器发送请求然后用d o m 处理回应，进行内容抽取。 =， ( 1 ) 获取r s s 版本 、n 在对r s s 文档进行适当的内容抽取的时候，首先要辨认清楚该r s s 文档是遵循 哪个版本的，对应于不同版本的r s s 文档有不同的抽取方式。假设r s s 文档的地址 为w l ，下面的代码创建了x m l h t t p 对象x m l 和d o m 对象x m ld o m 。 j s e tx m l = s e r v e r c r e a t e o b j e c t ( ”m i c r o s o f t x m l h i t p ”)，：， x m l o p e n ”g e t , u r l ，f a l s e ， 一一一一，一j ，5 l ：j 。 ： 、 x m l s e n d，l ，： j 1 ：，j t ，tf ：l ，l s e tx m l d o m = s e r v e r c r e a t e o b j e c t ( ”m i c r o s o f t x m l d o m ”)：一 。t 一 1 一： x m l d o m a s y n c = f a l s e ：，一 x m l d o m v a l i d a t e o l l p a r s e = f a l s e ； 一+ ! j x m l d o m 1 0 a d ( x m l r e s p o n s e x m l ) 此时，x m l d o m 装载了整个r s s 文件 一1 1 东北大学硕士学位论文 第2 章关键技术 在r s s 文件中，r s s 节点是根节点，其具有v e r s i o n 属性，抽取出v e r s i o n 属性值 就知道其遵循的r s s 版本。a s p 中，用下面的语句可以获得 r s s v e r s i o n = x m l d o m d o c u m e n te l e m e n t g e t a t - t r i b u t e ( n v e r s i o n n ) 对于其它信息的抽取，下面以l 峪s 2 0 为例分析 ( 2 ) 抽取c h a n n e l 信息 一个r s s 文件只有一个c h a n n e l 节点，抽取出其子节点t i t l e 的内容就足够了解这 个频道的性质了对于x v i l d o m ，可以使用d o m 对象的 g e t e l e m e n t s b y t a g n a m e ( c h a n n e l ) 方法获得一个数组，该数组将是所有c h a n n e l 节点 组成的数组，定义这个数组为c h a n n e l n o d e s 。 s e tc h a n n e l n o d e s = x m l d o m g e t e l e m e n t s b y t a g n a m e ( ”c h a n n e l 竹) 由于一个r s s 文件只有一个c h a n n e l 节点数组c h a n n e l n o d e s 只有一个元素，就 是c h a n n e l n o d e s ( 0 ) 同时c h a n n e l 有多个子节点，需要先知道t i t l e 是c h a n n e l 的第几 个子节点，即要获得子节点f 1 0 e 的序号t i t l e i d ，进而通过此序号访问f 1 0 e 子节点，获 得其内容。方法如下： t i