我正在寻找一些关于如何解决设计问题的想法，我将面临构建网络刮刀以刮取多个网站的问题。编写刮刀不是问题，匹配来自不同站点的数据（可能有很小的差异）是。
为了通用，我假设我正在从两个或更多不同的网站上抓取这样的东西：
public class Data {
public int id;
public String firstname;
public String surname;
....
}
如果我从两个不同的网站上抓取这个，我会遇到以下情况：
网站A：id = 100，firstname = William，surname = Doe
网站B：id = 1974，firstname = Bill，surname = Doe
基本上，我想将这两组数据视为相同（它们是同一个人，但每个站点的名称略有不同）。我正在寻找可以解决这个问题的设计解决方案。
我提出的唯一想法是从第三个位置抓取数据并将其用作参考列表。然后，当我刮到站点A或BI时，可以随着时间的推移，建立一个失败列表并将它们存储在每个刮板的列表中，以便它可以知道（如果我发现id = 100，那么我知道名字将是William等）。我无能为力，但觉得这是一个垃圾的想法！
如果您需要更多信息，或者如果您认为我的描述有点儿，请告诉我们！
谢谢，
DMCB