以编程方式确定博客文章有多少评论

Question

确定特定博客文章有多少评论的最有效方法是什么？我们想要存储新网络应用程序的数据。我们有一个永久链接 URL 以及 RSS 提要的列表。

Answer 1

如果我理解正确的话，您需要启发式方法来估计已知为博客文章的 HTML 页面中的评论数量，是吗？

很多时候，特定的博客都会有一些功能，可以让您轻松解决问题。如果你看看我的 http://kstruct.com/ 你会看到所有带有评论的页面都写着“X Responses”，所以如果你能够在每个博客的基础上做一些工作，这可能并不困难。

如果您需要通用的东西，我想您可能能够检测到注释中的一些常见功能。其一，其中的任何链接都很可能具有 rel="nofollow" 属性，因此在块中看到该链接可能意味着它是一条评论。

需要寻找的主要有趣的事情是同一站点的帖子结构的变化。例如，每个评论也很有可能有自己的锚点，以便人们可以直接链接到它，因此您可以在同一页面上查看给定页面中不同数量的 <a name="XXX"> 标签网站以了解评论的相对数量。

正如 Michael Stum 指出的那样，如果页面具有 Comment-RSS 提要，您的生活就会变得更加轻松，因为您可以获取结构化格式的评论数据。

但总而言之，我认为这将是一个非常具有挑战性的问题。

Answer 2

如果博客由您控制，“从 postID = 2 的评论中选择计数（commentid）”可能是最好的选择。如果您只有 URL，但它仍然是您的博客/数据库，则需要创建一个子查询“WHERE postID =（从帖子中选择任何内容，WHERE 永久链接 = url）”或任何从 URL 将评论加入到帖子的方式。

如果是远程博客，则会遇到每个博客都有不同 HTML 的问题。本质上，您需要构建一个解析器来解析 HTML 并查找重复元素，例如“div class=comment”。但这对于每个不同的博客来说主要是体力劳动。

有些博客可能有更好的方法，例如在 HTML 或某些界面中的某处进行评论计数，但我不知道有任何标准化的方法。

编辑：如果您收到评论 RSS 提要，您 可能 运气好的话，可以使用一种对 XML 节点进行计数的机制，例如 XPath 的机制 数数.

Answer 3

博客几乎总是有一个用于评论的 RSS 提要。如果有的话，那么您就可以确定确切的评论数量，因为 99% 的情况下，提要都遵循标准。即使博客是您自己的，如果您已经生成了 RSS 提要，那么就不必费心调用您的数据库。您已经这样做来生成提要，因此您只需遍历 XML 节点是有意义的。这样您就不会产生额外的开销（取决于您想要获取此信息的频率）。