博客的分層功能，即博客和普通網站之間的區別

Question

我正在查看可以區分博客和普通網站的內容。這些是程序需要能夠從網站的html或網站支持的特定功能中識別出來的東西。例如。坪。新聞網站也一樣。

我正在製作一個博客/新聞監視器程序，它將索引網站以自動確定它是博客還是新聞網站，然後在其評論等網站的帖子中監控用戶反饋，博客或新聞性質。

所以我真正的是建議我可以使用或尋找在識別這些網站。

這將是一個用java編寫的桌面應用程序，所以如果你在java中有任何代碼細節將會很棒。

在此先感謝

Answer 1

您可以搜索頁單詞「博客」，因爲這可能會出現。具體而言，您可以在HTML頁面的某些部分查找它，或者排除部分 - 如鏈接。這會給你一個體面的起點。

但是，最終，這是必須手動完成的事情。你應該爲人們構建一個接口，以便在網站提交時指定它是博客還是新聞網站，或者是它的不同功能。然後，您應該創建一個網站和功能的數據庫，並將其標記，以便您或其他管理員可以查看它們並進行更改。一旦你爲一個網站做了這個，你永遠不需要再做一次，所以例如http：//*.wordpress.com/就是博客。

某些功能可以自動檢測或獲得很好的檢測機會，但最終需要手動檢查。

Answer 2

尋找一個可發現的RSS或Atom提要，它應該出現在博客或連續更新的新聞網站上。