以编程方式确定博客文章的评论数量

Question

确定特定博客文章的评论数量的最有效方法是什么？我们想要存储新的网络应用程序的数据。我们有永久链接URl的列表以及RSS源。

Answer 1

如果我理解正确，你需要一个启发式来估计HTML页面中的评论数量，这个HTML页面被称为博客文章，是吗？

很多时候，一个特定的博客会有一些功能可以很容易地制定出来。如果您在http://kstruct.com/处看到我，您会看到所有带有注释的页面都会显示'X响应'，因此如果您能够根据每个博客进行一些工作，则可能并不困难。

如果你需要一些通用的东西，我想有一些常见的功能，你可能能够检测到的评论。首先，它们中的任何链接都可能具有rel =“nofollow”属性，因此，在块中查看可能意味着它是一条评论。

要寻找的主要有趣的事情将是在同一网站的帖子结构的变化。例如，每个评论都有自己的锚点，这样人们就可以直接链接到它，所以您可以查看不同数量的< name =“XXX”>在给定页面上的标签是否相同网站了解相关的评论数量。

正如Michael Stum所指出的，如果页面有评论RSS馈送，那么您的生活会变得更容易，因为您可以以结构化格式获取评论数据。总之，总的来说，我认为这将是一个相当具有挑战性的问题。

Answer 2

如果博客由您控制，“Select count（commentid）FROM comments WHERE postID = 2”可能是最好的选择。如果你只有URL但仍然是你的blog/db，你需要创建一个子查询“WHERE postID =（选择任何FROM帖子WHERE permalink = url）”或者任何你想通过URL从帖子中加入评论的方式。

如果是远程博客，则说明每个博客都有不同的HTML。从本质上讲，你将需要构建一个解析HTML的解析器，并寻找像“div class = comment”这样的重复元素。但是，这将主要是每个不同博客的体力劳动。

有些博客可能有更好的方法，比如在HTML或某个界面的某处发表评论，但我不知道任何标准化的方式。

编辑：如果您有评论RSS提要，您可能有运气使用计数XML节点的机制，如XPath的Count。

Answer 3

博客几乎总是有评论的RSS源。如果你有这个，那么你可以确定评论的确切数量，因为99％的时间是遵循标准的。即使博客是你自己的，如果你已经生成了一个RSS提要，那么不要打扰你的数据库。您已经这样做了生成提要，因此您只需遍历XML节点就可以了。这样你就没有额外的开销（取决于你想获得这些信息的频率）。