用GOOGLE搜索html源代码?

发布于 2024-10-04 07:51:56 字数 1539 浏览 7 评论 0 原文

如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。

扫码二维码加入Web技术交流群

发布评论

需要 登录 才能够评论, 你可以免费 注册 一个本站的账号。

评论(2

疧_╮線 2024-10-11 07:51:56

我在旅行中遇到了以下资源(上面已经提到了一些资源):

专注于 HTML 标记的搜索引擎

我还想添加以下内容:

巨大的网站抓取数据档案

我们如何分析此爬网数据?

了解如何开始要分析其中一些海量数据,请查看大数据/Map-reduce-type 框架

Google 列出了一些关于使用 Apache Spark 项目的想法分析Common Crawl 的转储。要了解Common Crawl 使用的文件格式,请参阅以下内容:

文章,访问通用-Crawl-Dataset-on-S3,概述以低成本访问 Common Crawl 的 250TB+ 转储 无需将该数据负载传输到 Amazon 的 AWS/S3 网络之外。当然,假设您将使用某种组合 AWS/EC2/S3 等. 分析抓取的数据。

最后,Patrick Durusau 维护一些有趣的 Common-Crawl-usage 相关博客页面

就我个人而言,我觉得这个主题很有趣,我建议我们趁热获取此爬网数据!;-)

I've come across the following resources on my travels (some already mentioned above):

HTML Mark-up-focused search engines

I'd also like to throw in the following:

Huge, website crawl data archives

How can we analyze this crawl data?

For an idea of how to begin analyzing some of this massive data, take a look at Big Data/Map-reduce-type frameworks(s).

Google lists some ideas on using Apache's Spark project to analyze Common Crawl's dump(s). To understand the file format(s) used by Common Crawl, refer to the following:

The article, Accessing-Common-Crawl-Dataset-on-S3, outlines accessing Common Crawl's 250TB+ dump(s) in a low cost manner without transferring that data load outside of Amazon's AWS/S3 network. Of course, that assumes you are going to use some combination AWS/EC2/S3 etc. to analyze the crawl data.

Finally, Patrick Durusau maintains some interesting Common-Crawl-usage-related blog pages.

Personally, I find this subject intriguing, I suggest we get this crawl data while it's HOT! ;-)

萌化 2024-10-11 07:51:56

您可以尝试使用 PublicWWW 在源/标记中进行搜索。它允许在超过 1.67 亿个网站的网页源代码中查找任何 HTML、JavaScript、CSS 和纯文本。

使用 PublicWWW,您可以:

  • 通过它们共享的独特 HTML 代码查找相关网站,即
    小部件和发布商 ID。

  • 识别使用特定图像或徽章的网站。

  • 找出还有谁在使用您的主题。
  • 识别提及您的网站。
  • 找到你的竞争对手的附属公司。
  • 确定您的竞争对手亲自协作或互动的网站。
  • 使用库或平台的参考。
  • 在网上查找代码示例。
  • 找出谁在他们的网站上使用什么 JS 小部件。
  • ...

当然,您不仅可以找到使用某些代码/标记片段的网站。

You can try PublicWWW for search in source/mark-up. It allows to find any HTML, JavaScript, CSS and plain text in web page source code on 167+ million websites.

With PublicWWW you can:

  • Find related websites through the unique HTML codes they share, i.e.
    widgets & publisher IDs.

  • Identify sites using certain images or badges.

  • Find out who else is using your theme.
  • Identify sites mentioning you.
  • Find your competitor's affiliates.
  • Identify sites where your competitors personally collaborate or interact.
  • References to use a library or a platform.
  • Find code examples on the net.
  • Figure out who is using what JS widgets on their sites.
  • ...

Of course you can find not only your websites which use some code/mark-up snippet.

~没有更多了~
我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
原文