对同一网页的不同版本进行分类

Question

有一个网页在加载时会随机放置表单/控件/谷歌广告。然而，该系列是封闭的——根据我的测试，至少有三种可能的变化，其中两种非常常见，第三种非常罕见。

我希望能够根据每个变体对该网页进行分类。我尝试分析每个变体的 html 源，但根据 Python 字符串 equals 和 Python difflib，所有变体的 html 完全相同。似乎没有任何信息指定放置谷歌广告或控件的位置。

例如，考虑一张带有两个框的图片，一个红色的（称为框 A）和一个蓝色的（称为框 B）。盒子本身永远不会改变位置，但是占据它们的位置的东西会改变。

现在考虑两种可能的变体，每次加载/打开网页时都会选择其中一种。

变体 1：假设 50% 的时间，谷歌广告位于框 A（红色），因此网站控件位于框 B（蓝色）。

变体 2：假设还有 50% 的时间，谷歌广告位于框 B（蓝色），因此网站控件位于框 A（红色）。

那么，如果我加载网页，如何根据其变化对其进行分类？

Answer 1

如果 HTML 每次都绝对相同，则可能是在客户端使用 javascript 完成变化。

答案取决于您所说的“分类”是什么意思。如果您只想知道在页面的任何给定负载上，小部件在哪里，您可能必须使用 Selenium 之类的东西，它实际上在浏览器中打开页面并运行 javascript，而不仅仅是获取 HTML 源代码。然后，您将需要使用 Selenium 来评估一些检测小部件位置的 javascript。 python 有一个selenium 模块，使用起来相当简单。考虑将它连接到 PhantomJS，这样您就不必打开浏览器窗口。