这是一个创建于 4563 天前的主题，其中的信息可能已经有所发展或是发生改变。
举个例子，京东商城的iphone商品页是 http://www.360buy.com/product/539348.html
但实际上在这个url后面加任何参数都可以打开而不是返回404，比如
http://www.360buy.com/product/539348.htmlaaaaaaaa
http://www.360buy.com/product/539348.html?=bbb
现在我打算开个网站平台，用户可以在我的网站上提交各种商品页的URL来推广（当然一个商品页只能发布一次）
比如用户A发布了京东iphone的URL（http://www.360buy.com/product/539348.html），另一个用户B再发布这个URL，系统应该提示他已发布过。
问题来了，如果这个用户在URL后面加参数比如 http://www.360buy.com/product/539348.html?=bbb 系统该如何识别URL的唯一性呢？
但实际上在这个url后面加任何参数都可以打开而不是返回404，比如
http://www.360buy.com/product/539348.htmlaaaaaaaa
http://www.360buy.com/product/539348.html?=bbb
现在我打算开个网站平台，用户可以在我的网站上提交各种商品页的URL来推广（当然一个商品页只能发布一次）
比如用户A发布了京东iphone的URL（http://www.360buy.com/product/539348.html），另一个用户B再发布这个URL，系统应该提示他已发布过。
问题来了，如果这个用户在URL后面加参数比如 http://www.360buy.com/product/539348.html?=bbb 系统该如何识别URL的唯一性呢？
 |
1
avatasia 2012-05-17 13:02:37 +08:00
去掉最后一个？后面的所有字符
|
 |
2
clippit 2012-05-17 13:31:50 +08:00
我觉得没有通用的方法，只能针对每个站来做特定的匹配。京东的就是那个ID唯一，构成一个形式的URL。加问号参数好办，但是像htmlaaaaaaaa这种就坑爹了。
|
 |
3
iiduce 2012-05-17 13:37:44 +08:00  1
你可以直接提示用户 url无效。
因为这个url用户自己都无法访问，为什么要提交？ |
 |
4
westy 2012-05-17 13:52:14 +08:00
在用户填入之后，后台去抓取一下这个url的内容，做内容重复判断？比如title。
|
 |
5
werrone OP |
 |
6
hanqian 2012-05-17 14:14:47 +08:00
既然只能在后面加参数，那么只要从开头到“.html”为止的部分内容一样，就可以判断出 URL 是重复的。
|
 |
7
dongbeta 2012-05-17 14:15:54 +08:00
我认为，你的思路应该从”如何判断URL唯一性“转到”出现这种问题后如何快速作出反应“。
|
 |
8
cutehalo 2012-05-17 14:20:18 +08:00
product/539348.html
抓取这个product的数字ID吧 |
|
10
westy 2012-05-17 14:35:51 +08:00
@avatasia hash的问题在于，很多商品页面上有评论，即使没有评论，广告部分的内容会产生变化。所以hash出来的值并不靠谱。
|
 |
12
chztv 2012-05-17 15:06:15 +08:00
我觉得思路换一个吧，URL不能做唯一性的判断标准，换用其他的参数，比如商品名称或者商品编号。将用户提交的商品编号来与目前有的商品编号来做判断，当然这个可能不如url直接判断方便。
|
 |
14
zern 2012-05-18 18:26:34 +08:00
|
 |
15
lackrp 2012-05-18 18:56:35 +08:00
1. 不知道楼主是不是只做国内。如果是的话，可以用一个网站一个规则的方法来做。这样的好处是：
（1） 准确率高 （2） 方便将网页内容转化为结构化数据，如果你的网站需要展示商品的某些属性时，可以方便的从网页中抽取出来 有时候做有限个specific的solution，要比尝试做一个general的solution好得多。Done is better than perfect. 2. 如果一定要general的方法的话，我有个比较tricky的方法，你可以找网页中的主要的图片，但我觉得准确率恐怕还是不够理想 |
Select Language