我正在使用Php。
给出2个这样的网址，http://soccernet.com和http://soccernet.espn.go.com/index?cc=4716
如何判断它们实际上是一样的？
还要考虑差异为httpS的情况，例如https://gmail.com和http://gmail.com
请指教。我发现使用正则表达式很困难，因为有时它对于区分例如足球网的例子并不是很好。
我愿意接受各种可能的好主意，而不仅仅局限于正则表达式。
编辑：感谢下面的所有评论和答案。如何获得一定程度的确定性？我应该寻找什么因素？我该如何以最有效的方式解决这个问题？
答案 0 :(得分：4)
考虑到你的足球网络示例，我真的不认为这是可能的，而不是实际比较每页的输出。
答案 1 :(得分：1)
唯一的方法是下载每个页面并进行比较。
真的，这不应该太麻烦，因为你的普通HTML文件相当小（通常最好不到100KB）。您无需下载所有引用的文件。
答案 2 :(得分：0)
在一般情况下，您无法确定这一点。如果server1和server2都映射到相同的IP地址，则http://server1/page.aspx和http://server2/page.aspx可以是同一页面;实际上，如果它们都映射到同一服务器场。
事实上，即使它们是同一页面，如果页面根据用于请求它的URL呈现不同，它们也可能具有完全不同的内容。
答案 3 :(得分：0)
可能你可以确定它们是相同的，你可以在发出HEAD请求后比较filesize，虽然这并不能完全满足你想要的。
在执行HEAD请求后，如果文件大小相同，您可以获取要比较的内容。
以下是关于执行HEAD请求的一些信息：
答案 4 :(得分：0)
soccernet.com和soccernet.espn.go.com是完全不同的网址。这是一个非常具体的案例，当程序需要HTTP访问soccernet.com注意它重定向到soccernet.espn.go.com。你的案子是否可行？
答案 5 :(得分：0)
您可以执行HTTP HEAD请求以确定是否将页面重定向到其他位置。你可以比较实际的响应文件，但是对于像ESPN这样的网站，由于跟踪javascript和广告，即使相同的网址很少会回复相同的内容。
使用get_headers（）函数并递归地跟随“Location”键。因此'soccernet.com'重定向到“http://soccernet.espn.go.com/archive/”，重定向到“http://soccernet.espn.go.com/index”。忽略查询字符串，此网址和您拥有的其他网址是等效的。
print_r(get_headers('http://soccernet.espn.go.com/archive/'),1)
答案 6 :(得分：0)
也许cURL是你的朋友。它可以遵循重定向like this。