如何检查html是否已更改？答案

【问题标题】：How to check whether the html has changed?如何检查html是否已更改？
【发布时间】：2015-04-29 15:53:50
【问题描述】：

抱歉，如果那是错误的地方，但不知道在哪里问。

我们正在构建适用于选定网站的 Firefox 插件。现在，因为那些网站往往会偶尔更改一次，我想每天运行一次 javascript 脚本来检查代码的特定部分是否已更改，如果更改了，我们会收到一些返回消息（最好直接到我的电子邮件）。

最简单、最简单的方法是什么？我读过关于网络爬虫、网络爬虫的文章，但它们似乎做的远远超出了我们的需要。我们基本上希望从连接到互联网的 PC 上运行一个小脚本，该脚本将执行简单的检查，并在检测到对 html 正文的特定部分的更改时立即向我们发送电子邮件（或者更具体地说 - 选定的元素没有已找到）。

非常感谢任何帮助

【问题讨论】：

您可以计算 html（或其中的一部分）的哈希值，然后将其与之前的哈希值进行比较，看看是否有任何变化。但是，如果您想了解 究竟发生了什么，您需要保存 html（或其中的一部分）并计算 Levenshtein distance 来做到这一点。
更具体地说，您想读取特定 url 的 html 并分配给一个变量，然后对一些 html 文本进行正则表达式搜索，然后根据该输出发送一封电邮。你可以使用 bash 或 powershell 来做到这一点，
很多网站都有广告，所以在提取html的时候，把广告部分替换掉，因为广告部分变化很大。
http 标头中没有某种“无更改”标志吗？还是那是不可靠的 wrt 广告？

【解决方案1】：

基本上，您可以设置 Google 电子表格以使用 xpath 通过IMPORTXML function (here with an example) 抓取页面的部分。然后在电子表格中设置通知：工具 -> 通知规则

现在，每次抓取功能 (IMPORTXML) 获取与以前不同的内容时，电子表格都会触发一封邮件给您。

作为现成的替代方案，我还可能会推荐 some tools 跟踪页面和/或其部分的（！）更改，包括通过电子邮件通知。

【讨论】：