[译文]了解用于读取RSS和Atom新闻推送的JavaFX API(四)

本文深入探讨了JavaFX中用于读取RSS和Atom新闻推送的API内部机制,包括FeedTask类的工作原理及其如何利用SubscriptionTask进行轮询。文章详细介绍了doPoll()方法的流程,包括请求内容、解析过程及异常处理。

[译文]了解用于读取RSS和Atom新闻推送的JavaFX API(三)

 

 

FeedTask背后的秘密

 

轮询RSS或者Atom新闻推送的重要任务发生在FeedTask及一个相关类中,我最近反编译了这些类以研究新闻推送是如何被轮询的,本节中我分享我的这些发现,以加深你对RssTaskAtomTask的理解。

FeedTask在它的静态初始化程序中创建了类java.util.Timer的一个实例,该实例启动了一个后台线程,并与FeedTask的嵌套类SubscriptionTaskjava.util.TimerTask的子类)的一个实例一起工作以支持新闻推送轮询。

FeedTask重写了start()函数,通过使用下面的参数调用Timerpublic void schedule(TimerTask task, long delay, long period)方法来安排SubscriptionTask实例的执行:

           SubscriptionTask实例传递给task

           把长整型的值0L传递给delay.

           FeedTaskinterval变量的值传递给period

 

大约每经过period指定的毫秒数,SubscriptionTask实例的public void run()方法就被调用一次,该方法使用true参数调用了SubscriptionTask专有的doPoll()方法。

 

doPoll()方法先清除FeedTask所继承的startedstoppedfaileddone等布尔类型的变量,把他们的值设为false,还把继承的causeOfFailure变量的值设为null,以及把继承的progressmaxProgress变量的值设为-1

doPoll()接下来实例化javafx.io.http.HttpRequest,该类是被用来获取新闻推送内容的一个载体,接着初始化下面的HttpRequest变量,这样才能执行这一任务。

           locationFeedTasklocation变量的值被赋给这一变量。

           onStarted:某个函数被指派给该变量,当请求开始执行时该函数被调用。该函数负责调用onStart()

           onResponseHeaders:某个函数被指派给该变量,用以检索和保存HTTP ETagLast-Modified响应标头的值。

           onToRead:某个函数被指派给该变量,以获取需要读取的总字节数,该值被赋给maxProgress变量。

           onRead:某个函数被指派给该变量,以获取到目前为止已读取的字节数,该值被赋给progress变量。

           onInput:某个函数被指派给该变量,该函数通过调用内部的parse(is)方法(isonInput()java.io.InputStream类型的参数)来解析请求内容,如果解析过程导致了异常的抛出的话,那么异常对象被指派给causeOfFaillure变量,true值被指派给failed变量,然后调用onException()。最后,true值被赋给done变量,接着调用onDone()。(在只请求变更的内容而内容又不可获得时,onInput()函数没有被调用,因此onDone()没有被调用。)

           onException:某个函数被指派给该变量,以报告请求本身(而不是解析过程)的问题,如果请求失败了的话,异常对象被指派给causeOfFailuretrue值被赋给failed变量,接着调用onException()

 

    接下来,doPoll()通过把请求的If-Modified-SinceIf-None-Match标头的值分别设置成为之前保存的Last-ModifiedETag的值来确保只返回更新的新闻推送内容。

 

获取新闻推送的更新或者全部内容

    当把true值传递给doPoll(),从SubscriptionTaskrun()方法或者从FeedTaskpoll()函数中调用该方法时,哪些情况会发生呢?,doPoll()设置了If-Modified-SinceIf-None-Match,因此只返回更新内容,相反,在调用FeedTaskupdate()函数的时候,该函数使用false值作为参数调用doPoll(),那些请求标头没有被设置,因此会返回所有的内容。

 

doPoll()现在遍历FeedTaskheaders变量,通过调用HttpRequest实例的setHeader()函数把存储的每个HttpHeader实例都赋给HttpRequest实例。

最后,doPoll()调用HttpRequest实例的start()函数来执行这一任务,检索并得到了解析后的内容,然后从doPoll()返回到run()方法中,如果doPoll()抛出异常的话,则run()调用onException()

 

关于解析的一点资料

   为简洁起见,我不讨论超出parse(is)方法调用范围的解析,不过,如果你决定研究解析的实现的话,那么这里的一点资料可帮你免去那些令人挠头的困惑:parse(InputStream)方法把javafx.data.pull.PullParser实例的impl_skippedElements变量的值初始化成Atomsummarycomtentrightstitlesubtitle元素及RSSdescriptiontitlecopyright元素的限定名(qualified name),以确保解析器把内嵌在这些元素中的任何HTML或者其他标记当成文字文本对待。

 

在某些时候,你可能会调用FeedTask重写的stop()函数,该函数调用Subscription实例继承的public boolean cancel()方法来取消新闻推送轮询任务(但不会杀掉Timer实例的后台线程)。

 

结束语

 

    理论足够多了!现在你已经获知了关于JavaFXRSSAtom API的知识,你可能想创建自己的新闻推送阅读器,为了帮助你完成这一任务,我在即将发表的本文的后续篇中展示了一个处理RSSAtom新闻推送到例子。

 

资源

 

           本文的示例代码

           Atom规范

           JavaFX 1.2.1 API文档

           JavaFX官方网站

           Rakesh MenonCustom Feed Parsers博客帖子

           RSS规范

           维基百科的Atomstandard)条目

           维基百科的RSS条目

 

 

Jeff Friesen是一个专门从事Java技术的自由软件开发者和教育工作者,可访问他的网站javajeff.mb.ca

 

内容概要:本文介绍了一种基于蒙特卡洛模拟拉格朗日优化方法的电动汽车充电站有序充电调度策略,重点针对分时电价机制下的分散式优化问题。通过Matlab代码实现,构建了考虑用户充电需求、电网负荷平衡及电价波动的数学模【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)型,采用拉格朗日乘子法处理约束条件,结合蒙特卡洛方法模拟大量电动汽车的随机充电行为,实现对充电功率时间的优化分配,旨在降低用户充电成本、平抑电网峰谷差并提升充电站运营效率。该方法体现了智能优化算法在电力系统调度中的实际应用价值。; 适合人群:具备一定电力系统基础知识Matlab编程能力的研究生、科研人员及从事新能源汽车、智能电网相关领域的工程技术人员。; 使用场景及目标:①研究电动汽车有序充电调度策略的设计与仿真;②学习蒙特卡洛模拟与拉格朗日优化在能源系统中的联合应用;③掌握基于分时电价的需求响应优化建模方法;④为微电网、充电站运营管理提供技术支持决策参考。; 阅读建议:建议读者结合Matlab代码深入理解算法实现细节,重点关注目标函数构建、约束条件处理及优化求解过程,可尝试调整参数设置以观察不同场景下的调度效果,进一步拓展至多目标优化或多类型负荷协调调度的研究。
内容概要:本文围绕面向制造业的鲁棒机器学习集成计算流程展开研究,提出了一套基于Python实现的综合性计算框架,旨在应对制造过程中数据不确定性、噪声干扰面向制造业的鲁棒机器学习集成计算流程研究(Python代码实现)及模型泛化能力不足等问题。该流程集成了数据预处理、特征工程、异常检测、模型训练与优化、鲁棒性增强及结果可视化等关键环节,结合集成学习方法提升预测精度与稳定性,适用于质量控制、设备故障预警、工艺参数优化等典型制造场景。文中通过实际案例验证了所提方法在提升模型鲁棒性预测性能方面的有效性。; 适合人群:具备Python编程基础机器学习基础知识,从事智能制造、工业数据分析及相关领域研究的研发人员与工程技术人员,尤其适合工作1-3年希望将机器学习应用于实际制造系统的开发者。; 使用场景及目标:①在制造环境中构建抗干扰能力强、稳定性高的预测模型;②实现对生产过程中的关键指标(如产品质量、设备状态)进行精准监控与预测;③提升传统制造系统向智能化转型过程中的数据驱动决策能力。; 阅读建议:建议读者结合文中提供的Python代码实例,逐步复现整个计算流程,并针对自身业务场景进行数据适配与模型调优,重点关注鲁棒性设计与集成策略的应用,以充分发挥该框架在复杂工业环境下的优势。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值