Question

我正在着手转换网站。我将数据库备份作为薄壳。我还从植被上拆除了网站。

我想要做的是地图数据库表和碎页的目录、网页和页数栏。我愿把这一点自动化。

Is there some tool or a script out there that could pull strings from one source and look for them in the other? Ideally, it would return a set of results that would say soemthing like

string "piece of website content here" on line 453 in table.sql matches string in website.com/subdirectory/certain_page.asp on line 56.

我不想作线性比较,因为数据库倾斜线(INSERT INTO table VALUES(......)的斜线与实际居住的页线相匹配(<div id=左侧_column ><div id=左_content >...</div>)。

我认识到,这是一项细致的工作,但甚至让它从周末起步,都会受到罚款。

I ve found similar questions, but I don t have enough CS background to know if they are identical to my problem or not. SO kindly suggested this question, but it appears to be dealing with a known set of needles to match against the haystack. In my case, I need to compare haystack to haystack, and see matching straws of hay.

那里是否有一条指挥线或指挥线,或者这是我需要建造的? 如果我这样做,我是否应该像另一个问题所建议的那样使用阿霍-库拉克算法?

Answer 1

因此,你有两个问题:1)已经找到了能做你想要的事的解决办法;2) 如果您使用Aho-Corasick算法。

The first answer is that I doubt you ll find a ready-built tool that will meet your needs. The second answer is that, since you don t care about performance and have a limited CS background, that you should use whatever algorithm you find simplest to implement.

我将向前迈进一步,提出架构。

首先,你需要能够将 files子档案进行有意义的整理,即逐行和回归表名、姓名和价值一栏。这样做可能最合适。

第二,你们需要一个网站的主子,这些网页将逐项内容,并将每个文本节点和每个括号的名称全部交到html的内容及其母体档案名称。一种XmlTextReader或类似的XML教区,例如SAXON,只要在无效力的XML上运行,很可能是最好的。

你们需要把这两个教区同一种相互搜索算法联系起来。你们必须定制,以满足你们的需要。阿霍-库拉克如果你能够退出,显然会取得最佳业绩。宽算法很容易实施,但在此,如何:

假设你有两个司,通过每个领域(一方面)和每个文本节点(另一方面),取走两个司之一,并穿过其数据来源的每一个座标,要求另一个区长寻找其他数据来源,以便所有可能的匹配,并记录其发现的数据。

Answer 2

这至少无法可靠地发挥作用。最好的例子:在你的超文本档案中,你将每一件数据都与其对应,但你会有许多不实之处。例如,用户名称是实际字数等。

此外,案文在展示之前经常被操纵。现场经常将标题或定型案文用于预约等。

AFAIK没有这种工具,我认为,不可能存在充分解决你问题的工具。

你们的最佳选择是使源代码能够使用/使用并分析。如果无法做到这一点,你就必须对数据库进行人工分析。尽可能地从URL中获取内容,并设法适应问题。

友情链接