最近写了个小工具，通过抓取RSS生成适合Kindle展示的Mobi格式的文件，并发送到Kindle 个人图书馆，也算是继续“自动化”之旅。
代码前前后后写了个把月，趁着放假期间，决定把它搞定。使用方法什么的就不多说了，项目开源到Github上去了，上面有使用说明。
这篇文章简单得聊聊项目本身以及总结的一些问题。
项目简介
首先来看看项目的组织结构图：
大致分为三大部分：
- core：核心部分，定义了RSS相关的基本数据抽象(base)以及所有流程的接口抽象(contract)
- component：组件（可选），两个组件，一个是对mobi文件进行strip处理，以很好得控制最终文件的大小，另一个是邮件发送
- impl：对core以及component的实现。
其他几个部分：util中定义了一些帮助方法，Service是程序的入口，也是各个流程接口方法的衔接与组合调用，resources(不包含在上图中)定义了一大堆各种配置。用Java写程序就是这样，你懂的。
core
base包不必多说，一个RSS源大概可以分解为三个对象：一个Feed包含了N个Entry，每个Entry都包含了文本内容（desc）以及若干个Image。
说说核心流程的抽象：（按照流程顺序说明，不按照图中接口顺序）
AbstractConfigManager
是一个抽象类，维护了项目最核心的配置文件(resources/rtms.properties)，并对其中的配置完整性进行检查。
IFeedLinkProvider
要抓取RSS，必须要有RSS Source(RSS URL)。该接口作为Feed link 的 provider 定义了一个方法来获取所有需要抓取的链接：
/**
* get parsing rss links
*
* @return the String array of all links
*/
String[] getFeedLinks();
IRSSParser
获取到feed的链接之后，就需要去一个个parse它们，该接口定义了parse方法：/**
* parse feed with given urls
*
* @param urls the URL Array
* @return the BaseFeed Array
*/
BaseFeed[] parse(URL[] urls);
返回生成的Feed对象集合，由于有些RSS源不提供全文输出（只是提供一个摘要，比如看 这里），所以这时候就需要一个全文输出处理，来从给定的URL获取原文
IFullTxtOutput
该接口定义了输出全文的协议：
/**
* output full text from a entrylink
*
* @param entryLink the string of the entry link url
* @return the full text
*/
String fullTextFrom(String entryLink);
在parse的过程中，难免会遇到<img />标签，我们在parse时候先对其src属性进行处理，但图片并不在此进行下载，所以需要将其先存起来，在需要下载的时候，在取出来下载，这时，我们需要一个“图片运输器“
IImgTransporter
该接口定义了图片的保存与获取协议：
/**
* push a img obj to the image store
*
* @param img the instance of BaseImage
*/
public void push(BaseImage img);
/**
* get all image objs with the feed
*
* @param feed the instance of BaseFeed
* @return the map of all the images per feed
*/
public Map<String, BaseImage> getAllImageObjsWithFeed(BaseFeed feed);
由于我们认为一个RSS Feed是一个基准单位（一个mobi文件以一个个feed组合而成）所以图片的获取以feed为单位整取（当然也可以粒度再细一点以feed里每个entry为基准）。
如果不需要额外的功能，我们已经能够生成mobi文件了：
IMobiGenerator
该接口定义了生成mobi需要实现的方法：
/**
* generate mobi file with a list of feeds
*
* @param feeds the List of BaseFeed instances
* @return return the generated mobi file path
*/
String generate(List<BaseFeed> feeds);
通过传入一个BaseFeed对象的集合，最终输出mobi文件的全路径即可。
以上这些接口，定义了将RSS生成Mobi文件的最基本的流程，如果需要一些附加功能，可以有选择的实现component package中的一些接口。
component
该package大概提供了三个扩展：
IEntryTransporter
上面在说到IfullTxt的时候，我们通过实现该接口，完成了全文输出。出于效率与性能考虑，我们有必要将最近处理过的feed的一些entry“缓存”起来。这是因为，该项目有可能被构建为daily task，而有些RSS 源并不是每日更新，即便更新过，如果不多，还是会抓取到一些旧的。这时我们会先去查看这些entry是否曾经已被处理过，如果已经处理过，那么就没必要再去处理了（特别是全文输出还是很耗时的），协议：
/**
* save a entry
*
* @param entry the instance of BaseEntry
*/
void save(BaseEntry entry);
/**
* check is entry exists
*
* @param entry the instance of BaseEntry
* @return if exists return true otherwise return false
*/
boolean entryExists(BaseEntry entry);
/**
* get processed entry (the func for cache entry)
*
* @param entry the instance of BaseEntry
* @return return the processed entry
*/
BaseEntry getProcessedEntry(BaseEntry entry);
/**
* get a feed's all entry (processed)
*
* @param feed the instance of BaseFeed
* @return the map of the feed's entries (key is entry's link)
*/
Map<String, BaseEntry> getAllEntryPerFeed(BaseFeed feed);
IFileStripHandler
由于生成适合kindle的mobi文件，大致的手段是通过amazon提供的kindlegen命令行工具实现，但通过他生成的文件非常大（大到几十兆）。这样非常不便于网络传输（特别是邮件发送），在不影响阅读的情况下，是有办法大幅减小其大小的，所以，我们定义类该接口，供需要的扩展实现：
/**
* do strip
* @param originalFilePath the original file path
* @param newFilePath the new path
*/
void doStrip(String originalFilePath, String newFilePath);
最后，如果有必要，可以将生成的文件发生到kindle接受的图书馆（一个认可的邮件地址），这时我们需要抽象出，邮件发送的接口：
IMailSender
它定义了发送带附件的邮件接口：
/**
* send mobi file from path
* @param filePath the mobi file path
*/
void sendFrom(String filePath);
impl
该package默认实现了core以及component里所有的接口（既然全都实现了，还抽出接口来干嘛？）。这里，我只是提供了默认实现，抽出接口的原因是为了保证流程的稳定性，从而不必过份关注实现（下面你会看到实现的方式可能并不是唯一的），即使实现变了，也只是某个对象的内部发生改变，不至于扩大影响。
抽象与实现
哪里可能存在变化呢？因为我本机装了redis，所以我对图片对象以及entry对象的存储借助于redis，如果你不熟悉redis你可以更改其他的存储方式。FeedLink我默认存放在一个properties配置文件里，你可以存放在其他数据源内。RSSParser采用的是ROM+jsoup的解析方式，FullTxt 以及 Strip mobi借助于python来实现。。。由于有很多开源库可供选择，所以，如果你对某个库更熟悉，你可以更改它的实现，而不必伤筋动骨。
库与技术点总结
（1）mobi文件生成其实是可以基于html文件的，因而可以定义出固定的templete，填充内容后直接生成即可，这里使用的是freemarker
（2）解析Feed以及对html进行过滤处理使用的是ROM+jsoup
（3）json处理采用gson
（5）mobi文件生成，借助于amazon提供的 for mac平台的kindlegen
（6）邮件发送采用的是javamail
（7）strip减小mobi文件大小也借助于python的实现，通过删除文件内部大量无用的空白等
（8）图片多线程下载，采用的是线程池，这边还有待重新处理
TODO
（1）重新实现多线程图片下载
（2）用node.js 起一个http server或者构建一个linux定时任务，做daily task
具体的使用方法以及后续更新请关注：https://github.com/yanghua/RssToMobiService
