爪哇。比较网页结构 (dom) 的相似性。

Posted 2023-03-05

【中文标题】爪哇。比较网页结构 (dom) 的相似性。

【英文标题】：Java. Compare webpages structure (dom) similarity.

【发布时间】：2012-02-12 02:33:00

【问题描述】：

是否有比较网页之间相似度（html、dom 相似度）的库（用于 java）？

在我的应用程序中，我想对网站的链接进行分类。 例如： group 1: Product detail page group 2: Category page（用于在线购物网站等）。

对于这样的分类html结构（dom）相似度是我认为最好的方式。请对此提供帮助。

【问题讨论】：

它似乎太模棱两可和太具体了，以至于没有一个库来解决这个问题（“相似性”的定义是模棱两可的主要来源）。

“一个库”或“一个库的函数”或“一个简单的 Java 应用程序”对我的应用程序来说就足够了。

如果您在设计这样的应用程序时需要帮助，您需要发布更多详细信息并说明您尝试了什么/什么没有奏效。同样，不要指望已有的东西。

也许jsoup可以帮到你

我使用jsoup提取数据。例子;对于一个商品详情页，提取商品名称、图片、价格等。不知道jsoup能不能用来比较dom相似度。

【参考方案1】：

不完全是你问的，但如果 HTMl 是 XML 有效的，你可以使用 XMLUnit，它是 very simple 来比较相似性。