Verh. Content zu Quelltext (Seite 4)

Ist ja der Hammer! lol Das ist doch nicht zu fassen. 69%! Hast du eine Erklärung für dieses Phänomen?

28.82 % Content - 69% Bewertung - das kommt hin :wink:

Erklärung => noch nicht, ich suche noch

Yps schrieb:

Ist ja der Hammer! lol Das ist doch nicht zu fassen. 69%! Hast du eine Erklärung für dieses Phänomen?

Nun nicht übertreiben. Das Verhältnis ist \'nur\' 28,8%. Die 69% ist die Bewertung dieser 28,8%

Gérard
der sich fragt, warum das Ergebnis nun besser ist als seine Handzählmethode

Gerard schrieb:

der sich fragt, warum das Ergebnis nun besser ist als seine Handzählmethode

Wie hast du die unzähligen nbsp; und #104; etc. gezählt? Vielleicht liegt hier die Differenz.

seitenreport schrieb:

Wie hast du die unzähligen nbsp; und #104; etc. gezählt? Vielleicht liegt hier die Differenz.

Die gibt es nicht mehr. Aber es gibt führende Leerzeichen durch Einrückungen. Die könnten es sein und der nun fehlende Kommentar.

Gérard

seitenreport schrieb:

So wirds gemacht bei Seitenreport:

// $html = Inhalt der Webseite, komplette HTML

// Pre-Filtern von Script-Blöcken
// da diese nicht durch strip_tags() entfernt werden
$pattern = \'#<script(.+)</script>#Usi\';
$content1 = preg_replace($pattern,"",$html);

// Pre-Filtern von Style Angaben im Head
// da diese nicht durch strip_tags() entfernt werden
$pattern = \'#<style(.+)</style>#Usi\';
$content1 = preg_replace($pattern,"",$content1);

// Länge von Content und Länge von HTML
$len_content = strlen(strip_tags($content1));
$len_html = strlen($html);

// Verhältnis des Contents
$v_content = round(($len_content/$len_html*100),2);

Die beiden Pre-Filter können natürlich auch in ein einziges preg_replace() gepackt werden.

Hat zwar nicht direkt mit dem Problem hier zu tun, aber ich glaube bei diesem Algorithmus werden zB. alle Tabulatoren, Spaces und Newlines die zum Strukturieren des Quellcodes gedacht sind, als content gezählt. Ich denke, das verfälscht das Ergebnis relativ stark, vor allem wenn mit Spaces eingerückt wird.