Discussion :

[arkem]

Bonjour,

Je souhaite comparer deux chaines de caractères qui contiennent la source d'une page web. L'une est une référence l'autre est l'état de la page à l'instand t. Le but étant de faire du monitoring en vérifiant que les deux pages se ressemblent beaucoup. (99.9%)

ex : page de ref : 29254 carac
et page de mesure 29270 carac

je ne peux pas utiliser eq car les chaines ne sont pas tout à fait les meme
(caractère de saut de page, espaces...)
pourtant les pages contienent exactement le code source.

Si quelqu'un a un tuyau merci d'avance.

[2Eurocents]

Bonsoir,

Sur des chaines relativement courtes, j'aurais tendance à essayer de calculer la distance de Levenshtein entre les deux chaines.

Pour ce faire, j'utiliserais le module Text::Levenshtein du CPAN.

Ceci dit, je ne sais pas ce qu'il vaut, et je ne sais pas quelle est la validité de cette méthode sur une longue chaine représentant le contenu d'une page.


Une autre piste serait de parser le code HTML au moyen d'un parseur "ordinaire", et de jeter un oeil sur la similarité des structures de données qu'il génère vis à vis des deux pages ...

[arkem]

hello merci pour ta réponse

je vais essayer avec le Levenshtein...

@+

[arkem]

pour info, mes chaines de caractères font 25ko et c'est beaucoup trop gros...