Pełny HTML czy Widoczny tekst - który tryb skanowania wybrać?
Porównaj wyodrębnianie adresów e-mail w trybach Pełny HTML i Widoczny tekst, poznaj przyczyny różnych liczb wyników i wybierz tryb dopasowany do widocznych adresów lub kodu strony.
W tym przewodniku zastosowano Email Extractor aby porównać tryby skanowania stron Pełny HTML i Widoczny tekst.
Spis treści
Co przeszukują tryby Pełny HTML i Widoczny tekst#
Strona ma wyrenderowaną treść i kod źródłowy. Adres może być widoczny w akapicie, zapisany w linku e-mail lub zawarty w atrybucie niewidocznym jako zwykły tekst. Widoczny tekst skupia się na załadowanym tekście, który może przeczytać odwiedzający. Pełny HTML uwzględnia też załadowany kod i obsługiwane struktury zawierające adresy. To różne źródła, więc liczba wyników może się różnić. Porównanie dotyczy skanowania pojedynczej strony. Skanowanie całej witryny odczytuje publiczne odpowiedzi HTML i ma własną opcję Tekst strony; nie odtwarza w pełni renderowanej karty.
| Pytanie | Widoczny tekst | Pełny HTML |
|---|---|---|
| Przeszukiwana główna treść | Czytelny załadowany tekst | Załadowane znaczniki i obsługiwana treść zawierająca adres |
| Link „Napisz do nas” bez widocznego adresu | Może nie zwrócić adresu docelowego | Potrafi odczytać obsługiwany cel mailto |
| Najlepszy punkt wyjścia | Adresy już pokazane na stronie | Przyciski kontaktowe lub dodatkowe adresy w HTML |
| Treść nie została załadowana na stronę | Niedostępne | Niedostępne |
Kiedy widoczny tekst jest lepszym punktem wyjścia#
Wybierz opcję Widoczny tekst, jeśli na stronie wyraźnie znajdują się adresy, a chcesz pozostać blisko tego, co może przeczytać odwiedzający. Prostym przykładem jest katalog pracowników z adresem pod każdą osobą. Najpierw załaduj odpowiednie wiersze, a następnie zeskanuj i porównaj listę z widocznym źródłem. Ten tryb może ograniczyć dopasowania z niepowiązanych tagów, ale nie gwarantuje, że każdy zwrócony adres będzie należał do głównej treści. Stopki stron, przykłady i odniesienia do stron trzecich mogą być nadal widoczne. Przejrzyj wyniki zgodnie ze swoim celem, zamiast polegać wyłącznie na nazwie trybu.
Kiedy Pełny HTML może znaleźć dodatkowe adresy e-mail#
Wybierz opcję Pełny HTML, gdy strona zawiera przycisk E-mail, ale nie zawiera adresu docelowego lub gdy podejrzewasz, że obsługiwane znaczniki zawierają przydatne dane kontaktowe. Na przykład cel mailto może zawierać press@studio.test, a sam przycisk zawiera po prostu informację Skontaktuj się z zespołem prasowym. Pełny HTML może odczytać ten cel. Może także znaleźć adresy w obsługiwanych atrybutach lub załadowanych sekcjach, które nie są częścią głównego widocznego tekstu. Niektóre dodatkowe dopasowania mogą być przykładami lub danymi szablonu. Zachowaj kontekst źródłowy, aby móc odróżnić zamierzony kontakt od przypadkowego ciągu znaków przypominającego adres.
Dlaczego dwa tryby skanowania mogą zwracać różne liczby#
Załóżmy, że strona zawiera widoczną listę jednego adresu pomocy technicznej i dwa przyciski e-mail z różnymi celami mailto. Widoczny tekst może znaleźć jeden wydrukowany adres, natomiast Pełny HTML może znaleźć wszystkie trzy potencjalne adresy. Powtarzające się wystąpienia tego samego adresu są nadal deduplikowane, więc trzy pasujące wystąpienia nie zawsze oznaczają trzy unikalne wyniki. Aktywne filtry mogą po wyodrębnieniu zmniejszyć dowolną listę. Zanim zdiagnozujesz różnicę jako błąd, sprawdź, czy w znacznikach rzeczywiście istnieją dodatkowe adresy i czy ustawienia domeny, adresu przykładowego lub adresu systemowego wykluczają oczekiwane wartości.
Załaduj zawartość interaktywną przed porównaniem trybów#
Adres pojawiający się dopiero po otwarciu karty pracownika może wcześniej nie istnieć w załadowanej treści. Przewiń stronę, rozwiń sekcję lub przejdź do strony kontaktowej i porównaj tryby ponownie. Pełny HTML nie oznacza pobierania wszystkich stron ani prywatnych danych witryny. Przeszukuje obsługiwaną treść dostępną dla skanera. Dostępne ramki i otwarte komponenty mogą dostarczać wyników, ale izolacja przeglądarki może blokować inne osadzone treści. Sprawdzenie konkretnej strony jest pewniejsze niż założenie, że każda witryna publikuje kontakty tak samo.
Z czym nie należy mylić żadnego z trybów#
Te tryby skanowania nie obejmują weryfikacji skrzynki pocztowej, bazy danych kontaktów ani obietnicy odzyskania każdego ukrytego adresu. Tekst wewnątrz obrazu może pozostać niedostępny, a formularz kontaktowy może nie ujawniać adresu docelowego. Niektóre techniki zaciemniania pozostawiają czytelne wzorce w znacznikach; inne nie. Jeśli strona nie dostarcza adresu w dostępnej treści, zmiana trybów może nie pomóc. W takim przypadku sprawdź normalne opcje kontaktu na stronie. Jeśli obsługiwany adres jest obecny, ale nadal go brakuje, usuń tymczasowo aktywne filtry i sprawdź dostęp do witryny przeglądarki przed zgłoszeniem wyniku.
Powtarzalny sposób wyboru trybu skanowania#
Zacznij od strony i informacji, które faktycznie widzisz. Uruchom Widoczny tekst, gdy jego zakres odpowiada zadaniu, a następnie porównaj Pełny HTML, jeśli przycisk kontaktowy lub brakujący kandydat wymaga ponownego spojrzenia. Użyj tej samej strony źródłowej i ustawień filtrów dla obu przebiegów, aby porównanie pozostało znaczące. Przejrzyj dodatkowe dopasowania, zachowaj te przydatne i wyeksportuj wybraną listę. Jeśli później będziesz musiał przetworzyć znaną stronę adresów URL zbiorczo lub przeszukać całą witrynę, wybierz ten oddzielny przepływ pracy, zamiast traktować zmianę trybu skanowania jako sposób na rozszerzenie zakresu aktywnej strony.
Wypróbuj ten sposób pracy
Przeczytaj powiązaną dokumentację aby poznać opisane tu funkcje i limity produktu. Skontaktuj się z pomocą techniczną jeśli potrzebujesz pomocy z konkretnym wynikiem.
Email ExtractorPobierz Email Extractor
Znajdź adresy e-mail na stronach internetowych i zamień wyniki w listę, z której możesz skorzystać.
