HTML complet sau Text vizibil: ce mod de scanare alegi?
Compară modurile HTML complet și Text vizibil, înțelege de ce numărul rezultatelor diferă și alege modul potrivit pentru adresele vizibile sau codul paginii.
Acest ghid folosește Email Extractor pentru a compara modurile sale de scanare a paginilor HTML complet și Text vizibil.
Cuprins
Ce caută efectiv HTML complet și textul vizibil#
O pagină web are conținut redat și marcaj de bază. O adresă poate fi vizibilă într-un paragraf, stocată într-un link de email sau inclusă într-un atribut care nu apare niciodată ca text lizibil. Textul vizibil se concentrează pe textul încărcat pe care un vizitator îl poate citi. HTML complet include de asemenea marcajul încărcat și structurile suportate care conțin adrese. Acestea sunt intrări diferite, deci se pot aștepta rezultate diferite. Comparația de mai jos se aplică scanării individuale a paginii. Scanarea întregului site citește răspunsurile publice HTML și folosește propria opțiune de text al paginii în loc să redea complet o filă de browser redată.
| Întrebare | Text vizibil | HTML complet |
|---|---|---|
| Conținut principal căutat | Text încărcat lizibil | Marcaj încărcat și conținut suportat care conține adrese |
| Link Contactați-ne fără adresă vizibilă | Poate să nu returneze adresa țintă | Poate citi o țintă mailto suportată |
| Cel mai bun punct de plecare | Adrese deja afișate pe pagină | Butoane de contact sau candidați suplimentari HTML |
| Conținutul nu a fost încărcat pe pagină | Nu este disponibil | Nu este disponibil |
Când textul vizibil este punctul de plecare mai bun#
Alegeți Text vizibil atunci când pagina listează clar adresele și doriți să rămâneți aproape de ceea ce poate citi un vizitator. Un director de personal cu o adresă sub fiecare persoană este un exemplu simplu. Încărcați mai întâi rândurile relevante, apoi scanați și comparați lista cu sursa vizibilă. Acest mod poate reduce potrivirile din markup necorespunzător, dar nu garantează că fiecare adresă returnată aparține conținutului principal. Subsolurile paginilor, exemplele și referințele terților pot fi în continuare vizibile. Verificați rezultatele în funcție de scopul dvs., mai degrabă decât să vă bazați doar pe numele modului.
Când HTML complet poate găsi adrese de email suplimentare#
Alegeți HTML complet atunci când pagina afișează un buton Email, dar nu și adresa țintă, sau când bănuiți că codul HTML suportat conține detalii de contact utile. De exemplu, o țintă mailto poate conține press@studio.test în timp ce butonul însuși spune pur și simplu Contactați echipa de presă. HTML complet poate citi acea țintă. De asemenea, poate găsi adrese în atributele suportate sau secțiuni încărcate care nu fac parte din textul principal vizibil. Unele potriviri suplimentare pot fi exemple sau date din șablon. Păstrați contextul sursă pentru a putea distinge un contact intenționat de un șir asemănător cu o adresă găsit întâmplător.
De ce modurile de scanare pot returna numere diferite de rezultate#
Presupunem că o pagină afișează vizibil o adresă de suport și are două butoane de email cu destinații mailto diferite. Textul vizibil poate găsi adresa tipărită, în timp ce HTML complet poate găsi toate cele trei opțiuni. Aparițiile repetate ale aceleiași adrese sunt totuși eliminate din duplicat, astfel încât trei apariții corespunzătoare nu înseamnă întotdeauna trei rezultate unice. Filtrele active pot reduce oricare dintre liste după extragere. Înainte de a diagnostica o diferență ca fiind un bug, verificați dacă adresele suplimentare există efectiv în codul HTML și dacă setările pentru domeniu, exemplu-de-adresă sau sistem-adresă exclud valorile pe care le așteptați.
Încarcă conținut interactiv înainte de a compara modurile#
O adresă care apare doar după ce se deschide un card de echipă poate să nu existe în pagina încărcată înainte de această acțiune. Derulați, extindeți secțiunea relevantă sau navigați către pagina de contact, apoi comparați din nou modurile. HTML complet nu înseamnă că extensia poate accesa fiecare pagină sau înregistrare privată din spatele site-ului web. Aceasta caută conținut acceptat disponibil scannerului. Cadrele accesibile și componentele deschise pot contribui la rezultate, în timp ce izolarea browserului poate bloca alt conținut încorporat. O comparație specifică paginii este mai fiabilă decât să presupui că fiecare site web implementează detaliile de contact în același mod.
Ce nu trebuie confundat cu niciunul dintre moduri#
Aceste moduri de scanare nu reprezintă verificarea unei căsuțe poștale, o bază de date de contacte sau o promisiune de a recupera fiecare adresă ascunsă. Textul dintr-o imagine poate rămâne inaccesibil, iar un formular de contact poate să nu dezvăluie adresa sa de destinație. Unele tehnici de obfuscare lasă modele lizibile în codul HTML; altele nu. Dacă pagina nu furnizează adresa în conținut accesibil, schimbarea modurilor poate să nu ajute. În acest caz, inspectați opțiunile normale de contact ale paginii. Când o adresă suportată este prezentă dar tot lipsește, eliminați temporar filtrele active și verificați accesul browserului la site înainte de a raporta rezultatul.
O metodă repetabilă pentru a alege modul de scanare#
Începeți cu pagina și informațiile pe care le puteți vedea efectiv. Rulați Text vizibil când domeniul său se potrivește cu sarcina, apoi comparați HTML complet dacă un buton de contact sau un candidat lipsă necesită o verificare suplimentară. Utilizați aceeași pagină sursă și setările de filtrare pentru ambele rulări, astfel încât comparația să rămână semnificativă. Revizuiți potrivirile suplimentare, păstrați pe cele utile și exportați lista aleasă. Dacă ulterior trebuie să procesați în masă pagina cunoscută URL-uri sau să explorați un întreg site, selectați acel flux de lucru separat în loc să tratați o schimbare a modului de scanare ca o modalitate de a extinde domeniul paginii active.
Pune acest flux de lucru în practică
Citește documentația aferentă pentru controalele și limitele produsului utilizate aici. Contactează asistența dacă ai nevoie de ajutor cu un rezultat specific.
Email ExtractorDescarcă Email Extractor
Găsește adrese de email pe paginile web și transformă rezultatele într-o listă pe care o poți folosi.
