HTML sayfasındaki sözcüğü bul hızlı algoritma

Question

Bir sözcük bir HTML sayfasının metninde yer alıyorsa ve doğru değilse false döndüren bir boolean işlevi yapmam gerekiyor.

lxml kitaplığına sahip sözcüğü bulana kadar tüm sayfa ağacını analiz etmenin kolay olduğunu biliyorum, ancak tüm html bloklarını yinelemek ve sözcük olup olmadığını bulmak için verimsiz buluyorum.

Daha hızlı bir algoritma önerisi (Bu aramayı birçok kez yapmam gerekiyor)?

Answer 1

Bir öğe özniteliğinde veya bir şeyde yanlışlıkla kelime bulma konusunda endişelenmediğiniz sürece (ve bununla ilgili endişeleriniz varsa, HTML'yi lxml gibi bir şeyle ayrıştırmak tek seçeneğinizdir), yalnızca büyük bir dize olarak tüm HTML belgesini tedavi etmek ve onun içine kelimeyi aramak:

var markup = document.documentElement.innerHTML; 

ve sonra bir kullanmak:

def checkForWord(): 
    r = requests.get("http://example.com/somepage.html") 
    return "myWord" in r.text 

Answer 2

Ben bir dize olarak sayfanın tamamını almak istiyorum dize içinde dize aramak için yöntem:

var n = markup.search("YourString"); 

Eşleşme dizini için bir sayı veya eşleşme bulunamazsa -1 değerini alırsınız.