在HTML页面中快速查找单词的算法

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，否则返回false。

我知道使用lxml库分析整个页面树以找到单词很容易，但我认为迭代所有HTML块并查找单词是低效的。

有没有更快的算法建议（我需要多次进行此搜索）？

- arodriguezdonaire

---

未来提问的专业技巧：一定要标记你正在使用的编程语言。我推断你在使用Python，因为你提到了lxml库，但如果你标记了你的问题为“python”，它将被许多Python大师看到。 - Hayden Schiff

我写问题的时候只是忘记了。很抱歉，谢谢您的提示！ - arodriguezdonaire

你能预处理HTML页面吗？如果你计划多次进行此操作，将HTML页面的textContent放入专用存储（如ElastiSearch或Solr）可能是值得的。 - musically_ut

所有（或许多）请求都发送到同一个主机吗？如果是的话，您应该确保使用 requests 会话对象，这将显着加快代码中的网络部分。 - Lukas Graf

谢谢Lukas，我会看一下的，因为所有请求都发送到同一个主机。 - arodriguezdonaire

Answer 1

只要您不担心意外地在元素属性中找到该单词（如果您担心这一点，使用类似于lxml的工具解析HTML是您唯一的选择），那么您可以将整个HTML文档视为一个大字符串，并在其中搜索该单词。

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

- Hayden Schiff

---

它对我来说完美地运作，谢谢！如果没有更好的答案出现，我会将其标记为解决方案 :) - arodriguezdonaire

您IP地址为143.198.54.68，由于运营成本限制，当前对于免费用户的使用频率限制为每个IP每72小时10次对话，如需解除限制，请点击左下角设置图标按钮（手机用户先点击左上角菜单按钮）。 - Lukas Graf

Answer 2

我会将整个页面作为字符串获取：

var markup = document.documentElement.innerHTML;

然后，我会使用一种方法在字符串中搜索字符串：

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

如果找到匹配项，您将获得匹配项的索引号，如果未找到匹配项，则返回-1。

- Matt

---

很确定他使用的是Python而不是JavaScript，因为lxml是一个Python库。 - Hayden Schiff

你可能是对的，问题中没有提到这一点，也没有标记为Python问题。好的侦探工作 ;) - Matt

抱歉需要澄清一下，我正在使用Python。 - arodriguezdonaire

您IP地址为143.198.54.68，由于运营成本限制，当前对于免费用户的使用频率限制为每个IP每72小时10次对话，如需解除限制，请点击左下角设置图标按钮（手机用户先点击左上角菜单按钮）。 - Matt

这也是 @oxguy3 的解决方案，不过用的是Python，对吧？ - arodriguezdonaire

是的，他做得更好的解释了该怎么做，而不仅仅是提供代码，这是我的失误 :P - Hayden Schiff