解析dom树和生成rss

我们学院的网站做得很烂，上面的新闻不提供rss订阅，每次看新闻都要跑到网站上去，非常不方便。我现在是就业负责人，万一上面有什么新的通知没有看到，那我的责任就大了。昨天，突然有一个想法，就是自己为其实现一个rss feed。

首先我考虑的是用rsslib，但发现rss lib生成的xml，普通的rss订阅器不识别，没办法，只能自己想办法解决，最后自己观察了一个rss的feed，了解了一下基本结构后自己实现了一个。主要有RssDocument、RssChannel、RssImage、RssItem几个类。其中RssDocument中含有一个 RssChannel，RssChannel中含有一个RssImage和多个RssItem。他们的类关系图如下：

各个类的代码就不解释了，都和简单。唯一值得一提是使用XmlDocument进行操作，这样做的目的：一个是使用XmlDocument的效率较高，另外一个就是不容易出现错误。当然也可以使用StringBuilder直接对字符串进行操作。

另外，一件要解决的事情就是如何解析html的问题，开始想用HtmlDocument，后来发现它使用起来不是很方便，而且效率也不高。但C#中没有提供其他的操作html的工具，我上网上找了一下，发现一个很好的东西SgmlReader，它可以将html转成标准的xhtml。这样的话，我们就可以用XmlDocument操作转换后的html了，转换的函数如下：

public XmlDocument ConvertHtml2Xhtml(string html)
{
using (SgmlReader reader = new SgmlReader())
{
   reader.DocType = "HTML";
   reader.InputStream = new StringReader(html);
   using (StringWriter stringWriter = new StringWriter())
   {
    using (XmlTextWriter writer = new XmlTextWriter(stringWriter))
    {
     reader.WhitespaceHandling = WhitespaceHandling.None;
     writer.Formatting = Formatting.Indented;
     XmlDocument doc = new XmlDocument();
     doc.Load(reader);
     return doc;
    }
   }
}
}

下面的工作主要就是分析我们学院网站上新闻的源代码了，找到我要提取的新闻在dom中的位置，为了速度，我直接从根往下找的，为了方便也可以使用getElementsByTagName的方法进行，不过效率可能受到一点影响。

读取新闻的代码很简单，就不做任何解析了，不明白的可以留言，我会尽力回答的。

该程序源码如下：https://files.cnblogs.com/dlutwy/rss.zip

在程序中我设置了两种访问办法：第一种是http://localhost/rss/student.rss的方式，这web.config中设置了handle，但是我发现这种方式在我的免费空间中不好用，所以又写了一种方式：http://localhost/rss/rss.ashx?name=student.rss。

现在我已将其发布在我的空间中，软件学院的同学可以通过rss阅读器订阅学院公告了，订阅地址如下：

1、学生周知：http://aspspider.info/wangyou/rss.ashx?name=student.rss

2、教工周知：http://aspspider.info/wangyou/rss.ashx?name=teacher.rss

3、学院新闻：http://aspspider.info/wangyou/rss.ashx?name=news.rss

对于就业信息，我没有时间去分析那html，有想实现的可以加上。由于我的免费空间是国外的，所以访问起来可能会比较慢。如果你又任何问题，都请留言，谢谢。