Úplné HTML, nebo Viditelný text: který režim skenování vybrat?
Porovnejte režimy Úplné HTML a Viditelný text. Zjistěte, proč mohou vracet různé počty adres, a vyberte skenování viditelného textu nebo kódu stránky.
Tato příručka používá Email Extractor porovnat jeho režimy skenování Úplné HTML a Viditelný text.
Obsah
Co Úplné HTML a Viditelný text skutečně hledají#
Webová stránka má vykreslený obsah a podkladový HTML kód. Adresa může být viditelná v odstavci, uložená v e-mailovém odkazu nebo zahrnuta v atributu, který se nikdy nezobrazí jako čitelný text. Viditelný text se zaměřuje na načtený text, který si návštěvník může přečíst. Úplné HTML zahrnuje také načtený HTML kód a podporované struktury nesoucí adresy. Jedná se o různé vstupy, takže lze očekávat různé počty výsledků. Níže uvedené srovnání platí pro skenování jednotlivých stránek. Skenování celého webu čte veřejné odpovědi HTML a používá vlastní volbu textu stránky namísto reprodukce plně vykreslené karty prohlížeče.
| Otázka | Viditelný text | Úplné HTML |
|---|---|---|
| Hlavní obsah prohledán | Čitelný načtený text | Načtené označení a podporovaný obsah s adresou |
| Odkaz „Napište nám“ bez viditelné adresy | Nemusí vrátit cílovou adresu | Dokáže přečíst adresu z podporovaného odkazu mailto |
| Nejlepší výchozí bod | Adresy již zobrazené na stránce | Kontaktní tlačítka nebo další HTML kandidáti |
| Obsah nebyl načten na stránku | Není k dispozici | Není k dispozici |
Když je viditelný text lepším výchozím bodem#
Zvolte Viditelný text, když stránka jasně uvádí adresy a chcete zůstat blízko tomu, co si návštěvník může přečíst. Přímým příkladem je adresář zaměstnanců s adresou pod každou osobou. Nejprve načtěte příslušné řádky, poté naskenujte a porovnejte seznam s viditelným zdrojem. Tento režim může omezit shody z nesouvisejících značek, ale není zárukou, že každá vrácená adresa patří do hlavního obsahu. Zápatí stránek, příklady a odkazy třetích stran mohou být stále viditelné. Zkontrolujte výsledky podle svého účelu a nespoléhejte se pouze na název režimu.
Když Úplné HTML může najít další e-mailové adresy#
Zvolte Úplné HTML, když se na stránce zobrazuje tlačítko E-mail, ale ne cílová adresa, nebo pokud máte podezření, že podporovaný HTML kód obsahuje užitečné kontaktní údaje. Například cíl mailto může obsahovat press@studio.test, zatímco samotné tlačítko jednoduše říká Kontaktujte tiskový tým. Úplné HTML dokáže přečíst tento cíl. Může také najít adresy v podporovaných atributech nebo načtených sekcích, které nejsou součástí hlavního viditelného textu. Některé další shody mohou být příklady nebo data šablony. Zachovejte zdrojový kontext, abyste mohli odlišit zamýšlený kontakt od náhodného řetězce podobného adrese.
Proč dva režimy skenování mohou vrátit různé počty#
Předpokládejme, že stránka viditelně uvádí jednu adresu podpory a má dvě e-mailová tlačítka s různými cíli mailto. Viditelný text může najít jednu vytištěnou adresu, zatímco Úplné HTML může najít všechny tři kandidáty. Opakované výskyty stejné adresy jsou stále deduplikovány, takže tři shodné výskyty neznamenají vždy tři jedinečné výsledky. Aktivní filtry mohou po extrakci zmenšit oba seznamy. Než diagnostikujete rozdíl jako chybu, zkontrolujte, zda v HTML kódu skutečně existují další adresy a zda nastavení domény, vzorové adresy nebo systémové adresy nevylučují hodnoty, které jste očekávali.
Před porovnáváním režimů načtěte interaktivní obsah#
Adresa, která se objeví až po otevření týmové karty, nemusí na načtené stránce před touto akcí existovat. Posuňte se, rozbalte příslušnou sekci nebo přejděte na stránku kontaktu a poté znovu porovnejte režimy. Úplné HTML neznamená, že rozšíření může načíst každou stránku nebo soukromý záznam za webem. Vyhledává podporovaný obsah dostupný pro skener. Přístupné rámce a otevřené komponenty mohou přispět k výsledkům, zatímco izolace prohlížeče může blokovat další vložený obsah. Porovnání konkrétních stránek je spolehlivější než předpoklad, že každý web implementuje kontaktní údaje stejným způsobem.
Za co by ani jeden režim neměl být zaměňován#
Tyto režimy skenování nejsou ověřováním poštovní schránky, databází kontaktů nebo příslibem obnovení každé skryté adresy. Text uvnitř obrázku může zůstat nedostupný a kontaktní formulář nemusí odhalit jeho cílovou adresu. Některé techniky maskování zanechávají v HTML kódu čitelné vzory; ostatní ne. Pokud stránka nedoručuje adresu v přístupném obsahu, změna režimů nemusí pomoci. V takovém případě si prohlédněte běžné možnosti kontaktu na stránce. Je-li podporovaná adresa přítomna, ale stále chybí, dočasně odeberte aktivní filtry a před nahlášením výsledku zkontrolujte přístup k webu prohlížeče.
Opakovatelný způsob výběru režimu skenování#
Začněte stránkou a informacemi, které skutečně vidíte. Spusťte viditelný text, když jeho rozsah odpovídá úkolu, a poté porovnejte Úplné HTML, pokud kontaktní tlačítko nebo chybějící kandidát potřebuje jiný pohled. Použijte stejnou zdrojovou stránku a nastavení filtru pro oba běhy, aby srovnání zůstalo smysluplné. Prohlédněte si další shody, ponechte si ty užitečné a exportujte vybraný seznam. Budete-li později potřebovat hromadně zpracovat známou URL stránky nebo prozkoumat celý web, zvolte tento samostatný pracovní postup a nepovažujte změnu režimu skenování za způsob, jak rozšířit rozsah aktivní stránky.
Uveďte tento pracovní postup do praxe
Přečtěte si související dokumentaci pro zde použité kontroly produktu a limity. Kontaktujte podporu pokud potřebujete pomoc s konkrétním výsledkem.
Email ExtractorStáhnout Email Extractor
Najděte e-mailové adresy na webových stránkách a přeměňte své výsledky na seznam, který můžete použít.
