在HTML页面快速算法中查找单词

Question

我需要做一个布尔函数，如果一个单词在HTML页面的文本中，则返回true，如果不是，则返回false。

我知道在查找带有lxml库的单词之前，分析所有页面树很容易，但我发现迭代所有html块并查找单词是否存在效率低下。

对更快算法的任何建议（我需要多次进行此搜索）？

Answer 1

只要您不担心在元素属性或其他内容中意外找到单词（如果您对此感到担心，使用类似lxml的内容解析HTML是您唯一的选择），您可以只需将整个HTML文档视为一个大字符串，然后在其中搜索您的单词：

def checkForWord():
    r = requests.get("http://example.com/somepage.html")
    return "myWord" in r.text

Answer 2

我将整个页面作为字符串：

var markup = document.documentElement.innerHTML;

然后，我使用一种方法在字符串中搜索字符串：

var n = markup.search("YourString");

您将获得匹配索引的数字，如果找不到匹配项，则为-1。