Comparar Similitud HTML entre dos páginas

[dezagus]

Hola a todos, estoy buscando la manera de intentar descubrir cuando un usuario me engaña publicando la misma página dos veces en mi sistema.

Se me ocurre usar CURL para leer parte de la cabecera o parte del html y cotejarlo, el desafío pasa por implementarlo a nivel %, sé como hacerlo perfectamente en curl, pero no tendría ningún tipo de tolerancia o forma de comparar.

Es decir, que el sistema pueda concluir, entre la url 1 y 2: hay un 30% de similitud (siendo 100% la misma página, por ejemplo).

¿Hay librerias (sin POO) o ideas de como hacerlo?

Gracias y Feliz Año a Todos!!

[loncho_rojas]

Guat? la verdad que no entiendo porque quieres comparar algo así... en todo caso, si es cuestion de permisos para realizar X acción, deberías limitarlo antes de que se cree algo, no despues.. no te parece?

[dezagus]

Iniciado por loncho_rojas

Guat? la verdad que no entiendo porque quieres comparar algo así... en todo caso, si es cuestion de permisos para realizar X acción, deberías limitarlo antes de que se cree algo, no despues.. no te parece?

Brindo un servicio con tiempo trial para webmaster, y muchos webmasters tienen un sitio web con varios dominios, la idea es evitar eso justamente, muchos aún son más "vivos" y modifican ciertas cosas y al final cosas como comparar cabeceras terminan siendo inútiles.

[dezagus]

Solucionado:

Código PHP:

   
$text = file_get_contents("http://urluno.com/"); 
$html = file_get_contents("http://urldos.com/"); 
 
similar_text($html, $text, $percentage); // Calculating ... 
echo $percentage;  
   

[Jose789]

Iniciado por dezagus

Solucionado:

Código PHP:

  
$text = file_get_contents("http://urluno.com/");
$html = file_get_contents("http://urldos.com/");

similar_text($html, $text, $percentage); // Calculating ...
echo $percentage;  
   

Puedes utilizar la función round para redondear el resultado. por si te interesa.

Código PHP:

  echo round($percentage);  
   

Saludos.