博客的分层功能，即博客和普通网站之间的区别

Question

我正在查看可以区分博客和普通网站的内容。这些是程序需要能够从网站的html或网站支持的特定功能中识别出来的东西。例如。坪。新闻网站也一样。

我正在制作一个博客/新闻监视器程序，它将索引网站以自动确定它是博客还是新闻网站，然后在其评论等网站的帖子中监控用户反馈，博客或新闻性质。

所以我真正的是建议我可以使用或寻找在识别这些网站。

这将是一个用java编写的桌面应用程序，所以如果你在java中有任何代码细节将会很棒。

在此先感谢

Answer 1

您可以搜索页单词“博客”，因为这可能会出现。具体而言，您可以在HTML页面的某些部分查找它，或者排除部分 - 如链接。这会给你一个体面的起点。

但是，最终，这是必须手动完成的事情。你应该为人们构建一个接口，以便在网站提交时指定它是博客还是新闻网站，或者是它的不同功能。然后，您应该创建一个网站和功能的数据库，并将其标记，以便您或其他管理员可以查看它们并进行更改。一旦你为一个网站做了这个，你永远不需要再做一次，所以例如http：//*.wordpress.com/就是博客。

某些功能可以自动检测或获得很好的检测机会，但最终需要手动检查。

Answer 2

寻找一个可发现的RSS或Atom提要，它应该出现在博客或连续更新的新闻网站上。