PHP匹配變音使404頁面更加智能化

2020-03-24 19:22:08

字體：大中小

來源：轉載

供稿：網友

創建您自己的 404 錯識消息處理程序，為站點內容提供有用的鏈接和重定向。使用變音匹配（metaphone matching）和一個簡單的加權記分文件為輸入錯誤、拼寫錯誤和無效鏈接生成重定向建議。根據 Web 站點的內容和首選重定向位置定制建議。捕獲傳入 URL 請求中的各種錯誤，并通過處理糾正其中的目錄、腳本和 HTML 頁面名稱錯誤。關于如何為 404 頁面創建有效格式的教程比比皆是。這類教程大多建議在 404 頁面中包含靜態的建議鏈接，并將這些鏈接指向站點的公共區域，比如說首頁、下載頁面和站點的搜索引擎，前提是要有這些頁面。404 頁面普遍存在的問題是它們無法反映用戶訪問該站點的目的。本文將介紹如何構建一個建議生成器和一個方法，用于根據 Web 站點的內容提供更加有用的重定向鏈接。現行的 404 處理程序允許我們為各種錯誤提供一些建議鏈接，比如說將用戶指向站點目錄。一些拼寫校正程序（比如說 mod_speling 沒錯，它只有一個 l ）可用于糾正詞典單詞中的錯誤，從而將用戶定向到正確的頁面。本文中的代碼將幫助您構建一個建議生成引擎，它可以根據 Web 站點的內容來處理在詞典中無法找到的單詞和目錄鏈接。我們考慮這樣一個場景：您在電話會議中聽到了一個 Web 頁面名稱，因此便嘗試打開 blegs/DavSmath.html 鏈接。現行的拼寫校正模塊無法為此情況提供一個有用的鏈接。使用本文中的代碼，您將能夠生成一個 404 頁面，并在其中顯示建議的有效頁面 /blogs/DaveSmith.html。需求本世紀生產的任何現代 PC 應該都足以編寫和運行本文中的代碼。如果您的 Web 頁面含有超過 10,000 個不同的頁面，那么可能需要大容量的內存、高性能的硬件或足夠的耐心。所提供的 Perl 和 CGI 腳本可以在多種 UNIX 和 Windows 平臺上運行（請參閱下載部分。雖然本文將使用 Apache 和一個 CGI 腳本作為建議引擎，但是所構建的工具應該能夠在大多數 Web 服務器上正常運行。對于變音匹配，本文將引用 Michael Schwern 編寫的 Text::Metaphone 模塊。在開始之前，先通過喜好的 CPAN 鏡像安裝 Text::Metaphone 模塊。請參閱參考資料獲得下載信息。Web 服務器頁面和變音代碼針對輸入和拼寫錯誤提供替代建議的主要方法為變音匹配。與 Soundex 語音算法和一些其他算法類似，Metaphone 使用字母數字代碼表示單詞的發音。但是，與 Soundex 語音算法有所不同，構建語音代碼的目的是匹配英文發音的語言可變性。因此，變音代碼通常能夠更加準確地表示特定的單詞，并且為建議庫的構建提供了理論基礎。考慮示例 Web 服務器目錄中的下列文件。
清單 1. Web 服務器文件

以下為引用的內容：
./index.html
./survey.html
./search_tips.html
./about.html
./how.html
./why.html
./who.html
./NathanHarrington.html
./blogs/NathanHarrington.html
./blogs/DaveSmith.html
./blogs/MarkCappel.html
針對這些靜態 HTML 文件，我們將使用 buildMetaphoneList.pl 程序為所有擴展名為 .html 的文件創建變音。
清單 2. buildMetaphoneList.pl

以下為引用的內容：
#!/usr/bin/perl -w
# buildMetaphoneList.pl - / split filename, 0 score, metaphones use strict;
use File::Find;
use Text::Metaphone; find(/ htmlOnly, . sub htmlOnly
{
if( $File::Find::name =~ //.html/ )
{
my $clipFname = $File::Find::name;
$clipFname =~ s//.html//g; my @slParts = split '/', $clipFname;
shift(@slParts); print $File::Find::name ### 0 ###
for( @slParts ){ print Metaphone($_) . }
print /n }#if a matching .html file }#htmlOnly sub
buildMetaphoneList.pl 程序只能處理擴展名為 .html 的文件，它將移除文件名中的 .html，然后為完整路徑名稱的各個部分生成變音。將 buildMetaPhoneList.pl 程序復制到 Web 服務器的根目錄下，然后運行命令 perl buildMetaphoneList.pl metaphonesScore.txt。對于清單 1 中的文件，相應的 metaphonesScore.txt 文件內容如清單 3 所示。清單 3. metaphonesScore.txt

以下為引用的內容：
./index.html ### 0 ### INTKS
./survey.html ### 0 ### SRF
./search_tips.html ### 0 ### SRXTPS
./about.html ### 0 ### ABT
./how.html ### 0 ### H
./why.html ### 0 ### H
./who.html ### 0 ### H
./NathanHarrington.html ### 0 ### N0NHRNKTN
./blogs/NathanHarrington.html ### 0 ### BLKS N0NHRNKTN
./blogs/DaveSmith.html ### 0 ### BLKS TFSM0
./blogs/MarkCappel.html ### 0 ### BLKS MRKKPL
清單 3 中的每一行文字都顯示了 Web 服務器根目錄下的實際鏈接、默認作用域和變音代碼。注意，how.html、 why.html 和 who.html 都解析為了相同的變音代碼。要解決這個不明確的地方，需要修改作用域字段，讓鏈接建議程序以指定的順序向頁面提供鏈接。比如說，將 H 變音條目修改為：
以下為引用的內容：
./how.html ### 100 ### H
./why.html ### 50 ### H
./who.html ### 0 ### H
這樣將創建一個直觀的鏈接重排序，并留下空間用于作用域的進一步修改。作用域的數字越大，插入同一變音文件（不過是不同的作用域）的順序就越靠后。比如說添加一個作用域為 25 的 hoo.html 文件列表，那么它將位于 who.html 條目之上和 why.html 條目之下。您還可以使用作用域字段區分目錄不同而名稱相同的文件。比如說，將 ./NathanHarrington.html 一行的的作用域修改為 100，那么類似 nathenHorrington.html 這樣的請求會將 ./NathanHarrington.html 鏈接列在 ./blogs/NathanHarrington.html 頁面之前。選擇文件的作用域時，務必要考慮 Web 站點的統計和邏輯訪問組件。從日志文件可以看出，用戶對 why.html 頁面的請求比較頻繁，但是如果您認為 how.html 對于用戶更為重要，那么只需修改相應的作用域值對排序做出糾正。構建 CGI 404 處理程序我們已經生成了適當的變音并為它們指定了相關的作用域值，下一步將構建實際的建議生成器。通常，404 錯誤消息的原因為鏈接輸入錯誤或鏈接本身的問題。以下代碼生成的建議將通過以下三個主要測試創建：根據目錄結構匹配、使用變音組合匹配，以及當其他方法失敗時使用包含匹配。這三種測試的設計目的是處理大多數 404 錯誤。MetaphoneSuggest CGI Perl 腳本的開始部分如下所示。清單 4. MetaphoneSuggest CGI 第 1 部分

以下為引用的內容：
#!/usr/bin/perl -w
# MetaphoneSuggest - suggest links for typographical and other errors from 404s
use strict;
use CGI::Pretty ':standard'; #standard cgi stuff
use Text::Metaphone;

my @suggestLinks = (); # suggested link list
my %mt = (); # filename, score, metaphone code hash my $origLink = substr($ENV{REDIRECT_URL},1); # remove leading /
$origLink =~ s//.html//g; # remove trailing .html open(MPH,'metaphonesScore.txt') or die can't open metaphones
while(my @slPart = split '###', MPH )
{
$slPart[0] =~ s/ //g; #remove trailing space
$mt{$slPart[0]}{ score } = $slPart[1];
$mt{$slPart[0]}{ metaphones } = $slPart[2];
}
close(MPH);
代碼首先引入了一些常用庫并聲明了一些變量，然后將加載 404 報告文本和通過 buildMetaphoneList.pl 程序創建的變音。這時，我們可以開始編寫主要的程序邏輯了，如下所示。清單 5. 主要程序邏輯

以下為引用的內容：
push @suggestLinks, sortResults( directorySplitTest( $origLink ) );
push @suggestLinks, sortResults( combinedTest( $origLink ) );
push @suggestLinks, sortResults( containsTest( $origLink ) ); # from the book - unique-ify the array
my %seen = ();
@suggestLinks = grep{ ! $seen{$_}++ } @suggestLinks ; print header;
print qq{Error 404: The file requested [$ENV{REDIRECT_URL}] is unavailable. BR
next if( @suggestLinks == 0 ); print qq{Please try one of the following pages: BR
for my $link( @suggestLinks ){
$link = substr($link,index($link,'./')+1);
print qq{ a href= $link $link /a BR
}
首先，對匹配測試各部分的輸出進行排序，然后將其添加到總建議鏈接列表。對鏈接列表進行排序和惟一化（unique-ifying）之后，將建議鏈接直接打印輸出。三個排序命令將結果保存在同一個數組中，目的是創建一個有序的建議列表。發生 404 錯誤時，目錄樹中（至少第一級目錄）極有可能會出現目錄分隔符（用于表示 Web 頁面）。比如說，以 bloggs/nathenherringtoon.html 頁面請求為例。上述代碼中所調用的 directorySplitTest 方法將創建一個排序的頁面列表，BLKS 和子目錄 N0NHRNKTN 的變音匹配都將包含在該列表中。這一策略可用于區分根目錄中的文件（如 blogs.html 和 nathanharrington.html）和完整路徑名匹配的頁面（如 blogs/nathanharrington.html）。下面的清單顯示了 directorySplitTest 子例程的內容。清單 6. directorySplitTest subroutine

以下為引用的內容：
sub directorySplitTest
{
my @matchRes = ();
my $inLink = $_[0];
for my $fileName ( keys %mt )
{
my @inLinkMetas = ();
# process each metaphone chunk as a directory
for my $inP ( split '//', $inLink ){ push @inLinkMetas, Metaphone($inP) } my @metaList = split ' ', $mt{$fileName}{metaphones};
next if( @metaList != @inLinkMetas ); my $pos = 0;
my $totalMatch = 0;
for( @metaList )
{
$totalMatch++ if( $metaList[$pos] =~ /(/b$inLinkMetas[$pos]/b)/i );
$pos++;
}#for meatlist # make sure there is a match in each metaphone chunk
next if( $totalMatch != @metaList );
push @matchRes, $mt{$fileName}{score} ## $fileName }#for keys in metaphone hash return( @matchRes ); }#directorySplitTest
組合測試位于 directorySplitTest 之后，用于檢查變音混和在一起時的匹配情況忽略任何目錄結構。該測試用于糾正 404 類錯誤，即文件名中含有空格、斜杠、反斜杠、冒號和其他一些無發音的字符。比如說，如果針對 blogs_nathanherrington.html 發出一個 404 請求，那么 directorySplitTest 將返回零結果，但是 combinedTest 將發現該 404 產生的變音組合在一起是 blogs/NathanHarrington.html 頁面的準確匹配。同樣，這些建議的優先級低于目錄匹配，因此這些分類結果將在 directorySplitTest 之后存入 suggestLinks 數組。以下清單顯示了 combinedTest 子例程。清單 7. combinedTest 子例程

以下為引用的內容：
sub combinedTest
{
my @matchRes = ();
my $inLink = $_[0];
for my $fileName ( keys %mt )
{
my $inLinkMeta = Metaphone($inLink); # smoosh all of the keys together, removing spaces and trailing newline
my $metaList = $mt{$fileName}{metaphones};
$metaList =~ s/( |/n)//g; next if( $metaList !~ /(/b$inLinkMeta/b)/i );
push @matchRes, $mt{$fileName}{score} ## $fileName
}#for filename keys in metaphone hash return(@matchRes); }#combinedTest
在 combinedTest 之后是最后一個匹配測試，該測試基于一個廣度包含搜索。如果當前的 404 鏈接的變音是 metaphoneScores.txt 文件中可用變音的一部分，我們將把它添加到建議列表。包含搜索的設計目的是尋找內容極度不完整的 URL。nathan.html 頁面在任何位置都無法找到，但是一個良好的建議應該是 /NathanHarrington.html 和 /blogs/NathanHarrington.html，并且它們根據作用域值排序并添加到 suggestLinks 數組中。注意，此方法還將為單字母變音 404（如 whoo.html）生成 NathanHarrington.html 建議。由于 NathanHarrington.html 變音中含有一個 H ，故將其添加到建議列表。考慮創建一個最小長度的匹配變音，或提供一個包含總數受限的匹配，以修改這一行為。清單 8 顯示了 containsTest 和 sortResults 子例程。清單 8. sortResults 和 containsTest 子例程

以下為引用的內容：
sub sortResults
{
# simply procedue to sort an array of 'score ## filename' entries
my @scored = @_;
my @idx = (); #temporary index for sorting
for my $entry( @scored ){
# create an index of scores
my $item = substr($entry,0,index($entry,'##'));
push @idx, $item;
}

# sort the index of scores
my @sorted = @scored[ sort { $idx[$b] = $idx[$a] } 0 .. $#idx ];

return( @sorted );

}#sortResults sub containsTest
{
my @matchRes = ();
my $inLink = $_[0];
for my $fileName ( keys %mt )
{
my $inLinkMeta = Metaphone($inLink);
my $metaList = $mt{$fileName}{metaphones};
next if( $metaList !~ /$inLinkMeta/i );
push @matchRes, $mt{$fileName}{score} ## $fileName
}#for filename keys in metaphone hash
return(@matchRes);
}#containsTest
修改 Apache httpd.conf 文件上面所設計的 MetaphoneSuggest 腳本是一個將從 Apache 中直接調用的 cgi-bin 腳本。要運行 MetaphoneSuggestscript 腳本，我們需要對 httpd.conf 文件進行適當修改，否則將顯示 404 錯誤頁面。比如說，如果默認的 httpd.conf 文件含有以下部分：清單 9. 默認 httpd.conf 部分

以下為引用的內容：
# Customizable error responses come in three flavors:
# 1) plain text 2) local redirects 3) external redirects
#
# Some examples:
#ErrorDocument 500 The server made a boo boo.
#ErrorDocument 404 /missing.html
#ErrorDocument 404 /cgi-bin/missing_handler.pl
#ErrorDocument 402 http://www.example.com/subscription_info.html
在注釋掉的 ErrorDocument 代碼行之后插入如下代碼：ErrorDocument 404 /cgi-bin/MetaphoneSuggest 。確保 MetaphoneSuggest 和 metaphonesScore.txt 文件位于 Web 服務器的 document_root /cgi-bin/ 目錄下。以根用戶身份發起服務器重啟命令：例如 /usr/local/apache2/bin/apachectl restart，至此靈活的建議機制將徹底結束笨拙的 404 錯誤。結束語

記住，使用 MetaphoneSuggest 程序中所描述的工具時，錯誤條件必須為 404 頁面。試著提供少量建議的選擇并保持設計的簡單性。請教 Web 設計方面的知名人士，了解他們為什么沒有提供自動鏈接建議，或者開展各種可用性研究，了解何種情況下最適合在站點中實現鏈接建議工具。本文提供了各種工具和代碼，用于在 404 頁面中創建實用的鏈接建議。但是，這些示例都已經實現，您可以通過它們提供一些復雜的功能，而不僅僅是簡單的目錄鏈接或拼寫建議。通過對特定站點和內容進行調整，笨拙的 404 錯誤將不復存在。
html教程

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯系我們修改或刪除，多謝。

上一篇：PHP5對webservice的實現

下一篇：PHP基礎教程(10)：PHP循環