RSSからblog(ブログ)の本文を抽出 特定のブログのRSSにて…

質問

以前、「RSSからblog(ブログ)の本文を抽出したい」という質問をした者です。
http://oshiete1.goo.ne.jp/kotaeru.php3?q=1677591

以前ご教授いただいた方法でプログラムを作り、
javaのDOMを使ってRSSからブログの本文を抽出することができましたが、
(参考：http://www.hellohiro.com/xmldom.htm　HelloWorldDOMPageList.java)
特定のブログのRSSからは本文のデータを取得することができませんでした。

例えば、exiteやFC2などのブログのRSSからはデータを取得することができませんでした。

リンクや、タイトルなどは問題なく取得できるのですが、
本文が記述されている要素(例えば、exiteならdescription,FC2ならcontent:encoded)
内のデータを取得しようとすると、プログラムの結果として、
何も取得できずに、空白となってしまいます。

ライブドアやヤフーなど他のブログのRSSでは成功したのですが…

何か問題があるのでしょうか？

よろしくお願いします。

回答No.1

BLUEPIXY · ベストアンサー

＞何か問題があるのでしょうか？
何が問題で片方で取れて片方で取れないのか
ちょっとよくはわからないのですが、
とりあえず

NodeList contentList = element.getElementsByTagName("content:encoded");
Element contentElement = (Element)contentList.item(0);
String content = contentElement.getTextContent();

のようにgetTextContentを使ってみるとうまくいきました。

お礼

再びありがとうございます。

上記の方法で取得することができました。

回答No.2

BLUEPIXY

>何も取得できずに、空白となってしまいます。
の原因は、
ライブドアなどが
<content:encoded><![CDATA[
になっているのに対し、うまくいかない方は
<content:encoded>
<![CDATA[…
のように別の行になっていることが原因ですね。
改行が１つ入っているためにCDATAセクションの前にテキストノードが１つできていて、
content:encodedの最初のノードの内容を取り出すと空行しかないので値が取れないということだと思います。
対処としては＃１でいいと思います。

お礼

分かりやすい説明ありがとうございます。
よく理解することができました。