我正在对野外的一堆登录页进行比较。我试图调出主标题和操作调用，但页面的HTML格式当然变化很大。
我开始寻找H1、H2等，假设标题标签对应于首要性，但通常情况并非如此。渲染字体大小*可能是一个更好的指标，但这似乎很混乱，无法处理使用alt标记的图像的情况。
使用Nokogiri识别100个野生登录页的主标题有什么好策略
*此外，是否有一个用于渲染字体大小的智能选择器？
除非你有一个AI在运行，它可以确定文档中语义最重要的部分，否则你无法做到这一点。
你不能指望标签，比如标题或元标签，因为它们可能会完全丢失。
你不能指望在源中的位置，因为CSS可以把东西移动到任何地方。
而且，即使你认为你通过查看CSS已经搞定了，JavaScript也可以从你身上夺走现实，因为它可以覆盖一切，这取决于需要人类的眼睛和大脑才能理解最终呈现的页面。
因此，基本上，除非你有代码可以理解页面的内容，确定一个单词的出现频率，以及同义词和词根，然后在运行CSS和JavaScript后确定它们在页面上的位置，否则你大部分时间都是在黑暗中拍摄的。
这真的是一项艰巨的任务，很多大公司都在上面花了很多钱