текст страницы

[Seravin]

Сейчас передо мной стоит такая задача: надо определить ~"равны" ли две html'евские страницы. Пытался найти какие-нибудь сорцы, но то что я находил и хоть как-то под себя подстраивал работали >1 сек. Ну и я решил писать свою функцию

function TMainForm.ComparePages(page1,page2:string):boolean ;
var s,s1,s2:string;i,j:integer; space,t:boolean;
begin
s:=page1;
while pos('<script',s)<>0 do
s:=copy(s,1,pos('<script',s)-1)+copy(s,pos('</script>',s)+9,length(s));
while pos('&nbsp;',s)<>0 do
s:=copy(s,1,pos('&nbsp;',s)-1)+copy(s,pos('&nbsp;',s)+6,length(s));
s1:='';
t:=true;
space:=false;
for i:=1 to length(s) do
if not(s[i] in [#$D,#$A,#9]) then
if ((s[i]=' ')and(s[i+1]<>' '))or (s[i]<>' ') then
if (s[i]='<') then t:=false else
if (s[i]='>') then
begin
t:=true;
space:=true;
end else
if t then
if (s[i]=' ')or(space) then begin
if (length(s1)<>0) then begin
if (s1[length(s1)]<>' ') then begin
if (space)and(s[i]<>' ') then
s1:=s1+' '+s[i]
else
s1:=s1+s[i];
end else if (s[i]<>' ') then s1:=s1+s[i];
space:=false;
end else begin
s1:=s1+s[i];
space:=false;
end;
end else
s1:=s1+s[i];

s2:=s1;

s:=page2;
while pos('<script',s)<>0 do
s:=copy(s,1,pos('<script',s)-1)+copy(s,pos('</script>',s)+9,length(s));
while pos('&nbsp;',s)<>0 do
s:=copy(s,1,pos('&nbsp;',s)-1)+copy(s,pos('&nbsp;',s)+6,length(s));
s1:='';
t:=true;
space:=false;
for i:=1 to length(s) do
if not(s[i] in [#$D,#$A,#9]) then
if ((s[i]=' ')and(s[i+1]<>' '))or (s[i]<>' ') then
if (s[i]='<') then t:=false else
if (s[i]='>') then
begin
t:=true;
space:=true;
end else
if t then
if (s[i]=' ')or(space) then begin
if (length(s1)<>0) then begin
if (s1[length(s1)]<>' ') then begin
if (space)and(s[i]<>' ') then
s1:=s1+' '+s[i]
else
s1:=s1+s[i];
end else if (s[i]<>' ') then s1:=s1+s[i];
space:=false;
end else begin
s1:=s1+s[i];
space:=false;
end;
end else
s1:=s1+s[i];


j:=length(s2);
while pos(' ',s1)<>0 do begin
if pos(copy(s1,1,pos(' ',s1)-1),s2)<>0 then begin
delete(s2,pos(copy(s1,1,pos(' ',s1)-1),s2),length(copy(s1,1,pos(' ',s1)-1)));
s2:=trim(s2);
end;
delete(s1,1,pos(' ',s1));
s1:=trim(s1);
end;
showmessage(floattostr(length(s2)/j));
end;


Огромная куча ифов, но это самый быстрый и рациональный способ который я придумал. Единственный недочёт, который я вижу, так это с тегом script. Потому что его надо удалять с внутренностями. Если кто-нибудь допишет, буду признателен