Java初学者项目实战：开发一个简单的新闻聚合系统

可行：用HttpURLConnection+DocumentBuilder可实现简易新闻聚合，需设User-Agent、启用重定向、校验响应码、强制UTF-8解析、先取channel再查item、用ZonedDateTime安全解析pubDate。

用 Java 标准库就能跑起来的新闻聚合系统，完全可行——不需要 Spring、不用 Maven、不配 Tomcat，HttpURLConnection + DocumentBuilder 就能抓 RSS、解析标题链接、打印到控制台。关键不是“多完整”，而是“哪几行代码真正卡住新手”。

怎么用 HttpURLConnection 安全取 RSS 内容？

RSS 是 XML，但很多源（比如 BBC、Reuters 的公开 feed）默认返回 301 重定向或要求 User-Agent，直接 openConnection 会抛 IOException: Server returned HTTP response code: 403。

• 必须手动设置 conn.setRequestProperty("User-Agent", "JavaNewsAggregator/1.0")
• 要启用自动重定向：conn.setInstanceFollowRedirects(true)
• 别漏掉 conn.connect() 前的 conn.setReadTimeout(5000)，否则 DNS 卡住就干等
• 响应码非 200 时，别硬读 getInputStream()，先检查 conn.ge

  

  tResponseCode()

为什么 DocumentBuilder.parse() 总报 org.xml.sax.SAXParseException？

不是 XML 写错了，大概率是 RSS 源带了 BOM 或编码声明不一致。例如 feed 返回 UTF-8 但声明为 ，Java 解析器就会乱码后报错。

• 绕过声明，强制用 UTF-8 解析：把 new StringReader(rssContent) 换成 new InputSource(new ByteArrayInputStream(rssContent.getBytes(StandardCharsets.UTF_8)))
• 提前 strip BOM：rssContent = rssContent.replace("\uFEFF", "")
• 别依赖 getElementsByTagName("item") 返回顺序——RSS 2.0 规范不保证 item 一定在 channel 下，有些 feed 直接平级放，得先 getElementsByTagName("channel").item(0) 再查子节点

NewsItem 类要不要加 pubDate 字段？

要，但别直接存字符串。几乎所有主流 RSS feed 的 pubDate 是 RFC 822 格式（如 Wed, 01 Jan 2025 12:00:00 GMT），用 SimpleDateFormat 解析极易抛 ParseException——因为时区缩写（GMT/UTC/EST）和线程不安全。

• 推荐用 java.time.format.DateTimeFormatter.RFC_1123_DATE_TIME（Java 8+）
• 字段类型定义为 ZonedDateTime，不是 String 或 Date
• 解析失败时 fallback 到 Instant.now()，避免整个条目丢弃

public static ZonedDateTime parsePubDate(String dateStr) {
    try {
        return ZonedDateTime.parse(dateStr, DateTimeFormatter.RFC_1123_DATE_TIME);
    } catch (DateTimeParseException e) {
        return Instant.now().atZone(ZoneOffset.UTC);
    }
}

真正卡住初学者的，从来不是“怎么写完”，而是“为什么一换 feed 地址就崩”——每个 RSS 源都是独立小宇宙，有的没 description，有的 link 是相对路径，有的 title 里藏 HTML 实体。先写死一个已知稳定的测试源（比如 https://rss.cnn.com/rss/edition.rss），跑通再换，比对着报错堆栈猜强十倍。