markchen commented on issue markchen/ssh-web#1038

前言 实现快速统计网站所有页面的文本字数，需要具备两个条件： 1.获取该网站的所有页面的html文件 2.提取html文件中的文本内容 实现如上两个条件，这里我们需要用到两个工具WinHTTrack Website Copier和python 一、WinHTTrack Website Copier是什么？ WinHTTrack Website Copier是一款离线浏览工具，使用它可以很容易地做站点镜像，可以将你指定的网站完整地保存到本地硬盘，能递归创建与源网站完全一样的组织结构，离线镜像创建后，你可以在断网的情况下任意浏览这个网站的所有内容。 二、WinHTTrack Website Copier使用步骤 打开WinHTTrack Website Copier，下一步 “Project name”可以使用网站名称命名，“base path”选择一个路径用来保存下载的文件，点击“下一步”。 在“web addresses”中输入当前网站的URL地址。 点击“Set options”按钮，在“Scan Rules”选项的文本框中根据需要添加相应的规则，这里我添加的是 -.css -.js -.gif -.jpg -.jpeg -.png -.tif -.bmp -.zip -.tar -.tgz -.gz -.rar -.z -.exe -.mov -.mpg -.mpeg -.avi -.asf -.mp3 -.mp2 -.rm -.wav -.vob -.qt -.vid -.ac3 -.wma -.wmv 在“Limits”选项中，“Maximum mirroring depth”根据需要进行设置，这里我设置的数值为10 在“Links”选项中，勾选“Get HTML files first!”选项，点击“下一步”选择“完成”即可开始下载。 需要实现的功能是统计整站网页的字数，因此我们这里只需要下载html文件即可。html文件所在位置为：[base path][Project name][Project name]，该路径下的index.html和index文件夹下的所有文件为整站中的所有html。 三、什么是Python? Python 是一种解释型、面向对象、动态数据类型的高级程序设计语言。 版本：Python3。 四、Python实现的功能 如下代码实现的主要功能是解析下载到的html文件，将html文件中的文本内容进行提取，并按照字符长度计算文本字数 ———————————————— 版权声明：本文为CSDN博主「程序猿-博客」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/hengwen1991/article/details/114369232

1 year ago

markchen created repository markchen/ssh-web

1 year ago

markchen created repository markchen/markchen-srv

1 year ago