Question

我有一个非常大的文章数据库，不同长度。这些文章中包含HTML元素。我必须在每篇文章的正文中插入一些广告（简单＆lt; script＆gt;元素）（我知道，我讨厌打断我阅读的广告）。

现在，问题是必须在每篇文章的大致相同位置插入每个广告。最简单的解决方案是简单地将文章分成固定数量的字符（不破坏单词），然后插入广告代码。但是，这会冒着将广告插入HTML代码中间的风险。

我可以采用正则表达式方式，但我正在考虑以下解决方案，使用JS：

确定字符数阈值。例如，“添加应插入约200字”
在每个方向设置接受的偏差，例如-20，+ 20个字符。
循环浏览文章中的每个文字节点，同时保持计算到目前为止的总字符数
一旦计数超过阈值，请做出以下决定：

4.1。如果计数超过阈值的值低于正可接受的偏差（例如，17个字符），请在当前文本节点之后插入广告代码。

4.2。如果计数大于阈值和偏差之和，则回滚到上一个文本节点，并做出相同的决定，只有这次使用前一个计数并检查它是否低于阈值和偏差之间的差值，如果没有，请在当前节点和前一节点之间插入广告。

4.3。如果4.1和4.2失败（这意味着前一个节点的字符数太少而当前节点太高），则在当前元素内需要任何字符数后插入广告。

我知道这很复杂，但这是我脑海中的第一件事，它的优势在于，通过尝试在文本节点之间插入广告，也许它不会破坏文章的流程，就像它会破坏文章的流程一样糟糕我会坚持下去（比如最后的4.3例）

这是我放在一起的一些伪代码，我不相信我的英语解释技巧：

threshold = 200
deviation = 20
current_count = 0

for each node in article_nodes {
    previous_count = current_count
    current_count = current_count + node.length
    if current_count < threshold {
        continue // next interation
    }

    if current_count > threshold + deviation {
        if previous_count < threshdold - deviation {
            // insert ad in current node
        } else {
            // insert ad between the current and previous nodes
        }
    } else {
        // insert ad after the current node
    }

    break;
}

我是否过于复杂，或者我错过了一个更简单，更优雅的解决方案？

PS ：服务器端和客户端解决方案对我来说都没问题。

Answer 1

我只会在段落（可能是p标签）或换行符（可能是br标签）中插入广告。

在单词休息时失败了。如果失败了，就把它强加在角色之间。（为了掩盖奇怪的角落案件。）

所以这是K.I.S.S.溶液

随时计算字母，单词，行和段落。

只是对您首选的解决方案进行级联故障 ：

如果您使用2000个字符 - 只需强行插入广告并从头开始重新计算所有内容。

除了奇怪的情况外，这种情况永远不会发生。

如果你得到250个单词 - 只需强行加入广告并从头开始重新计算所有内容。

这种情况很少发生，只有格式不正确的文本，奇怪的外星语言等。

如果你有50个新行 - 只需强行加入广告并从头开始重新计算所有内容。

这只会偶尔发生，作者不使用分段符。

最后，如果你得到3个新段落 - 加入广告并从头开始重新计算所有内容。

这就是通常会发生的事情。

我不会打扰复杂的想法，比如在附近的案件中进行回溯等等。这显然不值得。它几乎总能为您提供更好的整体长期解决方案，以采取一致，简单的“级联故障”方法。做上面的事情你就完成了！

艺术比科学更像这样。你会喜欢上述内容，希望它有所帮助！

显然，调整我在上面的伪代码中输入的数字。像这样的工作的大部分工作是在实际的测试平台上调整参数。编写代码本身并不算什么，你需要创建一个好的测试平台，这样你就可以在眼前看到并且看到它正常工作（理想情况下包括参数的“拨号”，所以你可以实时看到结果，你知道吗？）你就是这样做的！

在不破坏阅读流程或HTML代码的情况下拆分文章的算法

1 个答案: