我知道我可以检查响应头的' last - modified‘值来确定网页最后一次修改的时间,但在许多情况下,这个头不会被提供。此外,在许多情况下,内容本身并没有改变,但当前时间/日期显示在页面上,从而给人一种修改的感觉。
关于如何克服上述问题并确定网页是否(真正)被修改,有什么建议吗?
谢谢。
发布于 2011-05-14 00:56:27
好的。自己定义什么是“修改”(例如,只有"content“div中的内容),并且只看它。
如果你找不到一种方法来判断某些东西是否已经改变了,那么你就不能指望一台计算机…
发布于 2011-05-14 01:06:20
您在这里提出了两个问题:
要回答第一个问题,你必须经常检查页面以满足你的粒度要求,例如每小时、每天、每周等等。这可能是相当耗费资源的。这取决于你是否真的需要知道这一点。
要回答第二个问题,你需要比较一些东西。你可以按照@Paul Rosnia建议的那样做,但是如果他们加了一个逗号,它就会被认为是修改过的。
然后,您可能还想查看修改了哪些内容。然后,您必须保存内容,并将它们相互比较,以便突出显示更改。
您可以使用http://php.net/manual/en/function.file-get-contents.php和CRON作业在服务器上缓存页面,然后定期比较缓存。比较部分将是棘手的部分,因为你必须编写特定的代码来忽略对你无关紧要的事情,例如日期/时间戳、标题更改、菜单更改等。
发布于 2011-05-14 00:55:10
检测页面更改的可靠方法是下载并对其进行校验。如果校验和发生变化,则页面已被编辑(具有极高的确定性)。
下面是一个在命令行上工作的示例:
curl -s news.ycombinator.com | md5 #=> d86582bec138c051b0d8322f7823a23c如果你现在运行它,你会得到一个不同的答案!
https://stackoverflow.com/questions/5995206
复制相似问题