16/10/2008 Categoría/s: Estándares web. 0 Comentarios

MAMA, buscador de estructuras de páginas webs

The Web has search engines—many of them. However, they are typically concerned only with the text content of a Web page. What about a search engine for a Web page's structure?
[...]
Enter MAMA —the "Metadata Analysis and Mining Application". MAMA is a structural Web-page search engine—it trawls Web pages and returns results detailing page structures, including what HTML, CSS, and script is used on it, as well as whether the HTML validates.

Brian Wilson en el artículo MAMA , publicado en el blog Opera Developer Community .

¿De qué hablamos? Un análisis de sitios y páginas webs para estudiar el código, en vez de el contenido como hacen los buscadores normales. ¿El objetivo? Saber el uso de HTML, CSS, javascript, flash,... y también si son páginas válidas, el doctype, charset,...

Para ello, han usado una muestra amplia - aunque nunca será suficiente -, un total de 3.5 millones de páginas webs de un total de 45 billones (¿billón: millones de millones, o miles de millones?). Y con "mega-computador" (Intel Pentium Dual core D/3.00GHz, 2 Gigas de RAM corriendo en Debian 4). Identificándose como Opera 9.1 ha ido visitando todas esas páginas (en diferentes fases durante el 2007 y el 2008), y almacenando resultados. Todavía no se han publicado todos, pero ya podemos ir dando un vistazo.

Tras ver los resultados, uno se alegra de que cuando Tim Berners-Lee definió HTML, tuvo presente el hecho de que los navegadores no deberían ser muy puntillosos con los errores del código. Es una forma como otra cualquiera de decir, que los estandares... no se siguen demasiado.

Creo que merece la pena darle al menos un vistazo. Un estudio de esta envergadura no se hace muy a menudo. De hecho, sólo se mencionan tres precedentes y con unos objetivos bastante menos ambiciosos.

De nuevo el vínculo al artículo donde podemos ver más información: MAMA , y mi felicitación al autor del estudio y a todos los que lo han hecho posible.

-

Comentarios

Comentar

Categorías