不更新网站比如:
http://www.123cha.com/ http://www.w3school.com.cn/ 一堆网站,怎么不一个个打开,而检测这个网站不是经常更新的站?左思右想不得其法,自己想的办法比如:
1、连续几天抓内容,然后去掉网页头尾作对比,然后检测正文部分是否有大段文字,如果没有则是这样的网站;
2、连续几天抓内容,然后去掉网页头尾作对比,然后主体内容主要成分是 ul li/ol li 则可能是这样的站;
3、连续几天抓内容,然后去掉网页头尾作对比,如果有些字段或者句子是固定的,那么可能是这样的网站。
三种方法貌似都不严谨,不太可行,所以和大家讨论一下。