如何判断一个网页是不是一个Blog的首页?

如何判断一个网页是不是一个Blog的首页?

      最近碰到一个问题,如何从一组链接中,判断链接是不是Blog的首页链接?     先从 Blog 存放的地点说起: 1、由BSP托管的Blog,一般采用开源或者BSP独立开发的Blog系统; 2、由个人空间存放的Blog,一般采用开源的Blog系统。而个人空间存放的Blog大都是 比较职业的 价值比较高的Blogger。     对于第一类,BSP的Blog链接地址都是固定的,加上成规模的BSP数量较少,其Blog的首页链接可以列举出来。     对于第二类,问题要复杂些,     有的 www 首页就是 blog 的主页,     有的是采用子域名的方式,     有的采用目录的方式; 但无论哪种链接方式,Blog 首页都有以下属性: 1、blog首页链接的长度短;可以在这个链接下面发现更多以此链接为开头层级更深的链接; 2、连接中一般包含blog字样; 3、blog的作者为方便他人订阅其Blog,都有类似:bloglines , rss feed 的链接。 不知道各位有没有更好的判断方法。 我现在正在以donews的 10 大金刚为起点,抓取其blogroll,收集blogge地址呢。  * 博客:飞雪残剑无间道http://www.donews.net/tycoo  *  * 博客:互联生活每一天http://www.donews.net/liuren  *  * 博客:对牛乱弹琴http://www.donews.net/keso  *  * 博客:胡一郎是谁http://blog.donews.com/fanggang/  *  * 博客:Xin观点http://blog.donews.com/panxin/  *  * 博客:温柔的人生http://www.donews.net/chinabright  *  * 博客:求缺草堂 伟大是熬出来的!http://blog.donews.com/zhongzhan/  *  * 博客:快马黑蹄SP踏乱,乐庭羌鼓IT迷离http://blog.donews.com/banly/  *  * 博客:努力谁不是历史怀胎的时代人物http://www.donews.net/chennian  *  * 博客:努力做一个最懂法律的IT人/最懂IT的律师http://blog.donews.com/yuguofu/ 最终的目的是,学习page rank算法,根据blogroll的链接做一个blog rank 的donews数据库。 希望这个可以作为keso的brand rank 的一个补充。 keso 现在的blog的回复量是:22063 ,可谓惊人。 keso的blog( include yesterday news )数量是:1986 , 平均每个blog  11个回复。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

扫码关注云+社区

领取腾讯云代金券