我的问题是关于验证而不是其他任何问题。可以用什么来确定HTML文档中的唯一内容？ （该文件可以具有一定程度的动态。）
考虑到您可以存储您正在验证的各种页面的“指纹”，能够使用或生成什么来识别页面是正确的页面，准确率为99％？
为清楚起见，这是加密/ https等的额外补充。此页面可以并且将根据特定用户随动态内容而变化，但指纹也是如此，但单个指纹不能100％匹配100％的用户到期动态内容的本质。因此哈希在这里不起作用，至少不是以简单的形式。
答案 0 :(得分：2)
HTML页面的唯一指纹很容易计算。根据以下内容构建哈希：
可选择一些标题：
Server Content-Type这很重要Content-encoding这可能也是这假设您没有将任何数据发布到页面。
答案 1 :(得分：1)
如果你不检查主机的IP，你甚至不能1％肯定。 接下来是加密。 （如果没有这个，你可能成为ARP poisoing的受害者（仅限于局域网）。
HTTPS中的密钥必须始终相同。
如果更改，则表示有人在作弊或密钥已更新（密钥已过期。）
答案 2 :(得分：1)
页面的指纹是主机名，端口和路径。这是唯一保证在网络上独一无二的东西。我想你也可以包括缓存标题（Last-Modified）以查看它是否发生了变化。
除此之外，如果您对html进行了哈希处理，即使最后修改的标题发生了更改，您也可以看到它是否已更改。
答案 3 :(得分：1)
假设您希望存储HTML页面的“指纹”一分钟，以便稍后在完全匹配时识别它，只需使用HTML页面的简单哈希摘要。< / p>
除非你更清楚地澄清这个问题，否则我没有理由说明为什么它应该是HTML或它是什么浏览器。
但是，这不会告诉您页面是否位于同一位置。为此，您需要存储其他详细信息，例如host / ip和path。
答案 4 :(得分：1)
如果您可以获得两个页面的文本版本，则可以区分它们。您可以确定页面中差异可接受的最大范围。
有一个Unix util（称为diff）。这个工具的win32版本也在网上浮动。维基百科有一篇关于diff的文章：http://en.wikipedia.org/wiki/Diff。
维基文章列出了免费文件比较工具，“另请参阅”部分提供了指向讨论文件比较工具和增量编码的其他文章的链接。
“Levenshtein距离度量”也可能是一种有趣的方法。
CodeProject上有一个不错的C＃差异引擎。由于我的低分，我无法发布另一个链接，但文章标题是：“C＃中的通用，可重用的差异算法”。
答案 5 :(得分：1)
即使您拥有确切的主机名，端口和路径，如果有服务于网页的应用服务器或者网络服务器正在插入广告内容，内容仍可能不同。
如果您能够可靠地识别动态HTML部分（例如不断更新的广告或时间戳），那么我会首先规范化数据。我将删除所有空格字符（空格，制表符，换行符），然后对该内容进行哈希处理。
我不在哈希中包含hostname-port-path，因为这不会给“指纹”添加任何内容。 （稍后当您必须稍后重新查询Web服务器以比较HTML时，该信息非常有用。）