Повний HTML чи Видимий текст: який режим вибрати?
Порівняйте пошук адрес у режимах Повний HTML і Видимий текст, з’ясуйте причини різної кількості результатів і виберіть режим для видимих адрес або розмітки сторінки.
У цьому посібнику використовується Email Extractor для порівняння режимів сканування сторінки Повний HTML і Видимий текст.
Зміст
Що насправді шукають Повний HTML і Видимий текст#
Веб-сторінка містить відображений контент та базову розмітку. Адреса може бути видимою в абзаці, збереженою в посиланні на електронну пошту або вказаною в атрибуті, який ніколи не з’являється як читабельний текст. Видимий текст зосереджується на завантаженому тексті, який відвідувач може прочитати. Повний HTML включає завантажену розмітку та підтримувані структури, що містять адреси. Це різні входи, тому можна очікувати різні результати. Порівняння нижче застосовується до сканування окремої сторінки. Сканування всього вебсайту читає публічні HTML відповіді та використовує власну опцію тексту сторінки замість відтворення повністю відображеної вкладки браузера.
| Питання | Видимий текст | Повний HTML |
|---|---|---|
| Основний контент, що шукається | Читаний завантажений текст | Завантажена розмітка та підтримуваний контент, що містить адреси |
| Посилання «Напишіть нам» без видимої адреси | Може не повернути цільову адресу | Може прочитати підтримувану ціль mailto |
| Найкраща відправна точка | Адреси, що вже відображені на сторінці | Контактні кнопки або додаткові можливі адреси в HTML |
| Контент не завантажений на сторінку | Недоступно | Недоступно |
Коли видимий текст є кращою відправною точкою#
Вибирайте «Видимий текст», коли на сторінці явно перераховані адреси, і ви хочете залишатися максимально близько до того, що може бачити відвідувач. Довідник персоналу з адресою під кожною людиною є прямим прикладом. Спершу завантажте відповідні рядки, а потім перегляньте та порівняйте список з видимим джерелом. Цей режим може зменшити збіги з нерелевантним маркуванням, але не гарантує, що кожна отримана адреса належить основному контенту. Підвали сторінок, приклади та сторонні посилання все ще можуть бути видимими. Переглядайте результати відповідно до вашої мети, а не покладайтеся лише на назву режиму.
Коли Повний HTML може знайти додаткові електронні адреси#
Виберіть Повний HTML, коли сторінка має кнопку електронної пошти без адреси або коли підтримувана розмітка може містити корисні контакти. Ціль mailto, наприклад, містить press@studio.test, а кнопка лише Зв’яжіться з пресслужбою. Режим може прочитати ціль і адреси у підтримуваних атрибутах та завантажених розділах поза головним текстом. Додаткові збіги можуть бути прикладами чи даними шаблону. Зберігайте контекст, щоб відрізняти потрібний контакт від випадкового рядка, схожого на адресу.
Чому два режими сканування можуть повертати різну кількість#
Припустимо, що на сторінці явно вказано одну адресу підтримки та є дві кнопки електронної пошти з різними mailto-цілями. Видимий текст може знайти одну надруковану адресу, тоді як Повний HTML може знайти всі три варіанти. Повторні появи однієї й тієї ж адреси все одно унікалізуються, тож три збіги не завжди означають три унікальні результати. Активні фільтри можуть скоротити будь-який список після вилучення. Перш ніж визначати різницю як помилку, перевірте, чи дійсно додаткові адреси існують у розмітці та чи налаштування domain, example-address або system-address не виключають значення, які ви очікували.
Завантажте інтерактивний вміст перед порівнянням режимів#
Адреса, яка з’являється лише після відкриття картки команди, може не існувати на завантаженій сторінці до цієї дії. Прокрутіть, розкрийте відповідний розділ або перейдіть на сторінку контактів, а потім знову порівняйте режими. Повний HTML не означає, що розширення може отримати доступ до кожної сторінки або приватного запису на вебсайті. Воно шукає підтримуваний контент, доступний для сканера. Доступні фрейми та відкриті компоненти можуть давати результати, тоді як ізоляція браузера може блокувати інший вбудований контент. Порівняння, специфічне для сторінки, надійніше, ніж припущення, що кожен вебсайт реалізує контактні дані однаково.
Що не слід плутати з жодним із режимів#
Ці режими сканування не є перевіркою поштової скриньки, базою контактів або обіцянкою відновити кожну приховану адресу. Текст у зображенні може залишитися недоступним, а контактна форма може не показувати свою адресу призначення. Деякі методи обфускації залишають читабельні шаблони в розмітці; інші - ні. Якщо сторінка не надає адресу у доступному вмісті, зміна режиму може не допомогти. У такому випадку перевірте звичайні варіанти контактів на сторінці. Коли підтримувана адреса присутня, але все ще відсутня, тимчасово видаліть активні фільтри та перевірте доступ до сайту браузером перед повідомленням про результат.
Повторюваний спосіб вибору режиму сканування#
Почніть зі сторінки й видимої інформації. Запустіть Видимий текст, якщо обсяг підходить, і порівняйте Повний HTML, якщо потрібна перевірка кнопки чи відсутньої адреси. Використовуйте те саме джерело й фільтри для обох запусків. Перевірте додаткові збіги, залиште корисні та експортуйте список. Для пакетної обробки відомих URL-адрес чи дослідження цілого сайту виберіть відповідний окремий процес. Зміна режиму не розширює обсяг активної сторінки.
Застосуйте цей робочий процес на практиці
Ознайомтеся з відповідною документацією для елементів управління продуктом і обмежень, використаних тут. Зв'язатися з підтримкою якщо вам потрібна допомога з конкретним результатом.
Email ExtractorЗавантажте Email Extractor
Знайдіть електронні адреси на вебсторінках і перетворіть свої результати на список, який можна використовувати.
