Подскажите алгоритм

[Kypaku]

Здравствуйте!

Нужна помощь в поиске идеи для алгоритма реализации следующей задачи:

Есть FTP-мэнеджер.

Есть достаточно большая история вида {сервер - директория - список файлов в директории}

Нужно для текущей директории определить - является ли она корнем какого либо сайта или нет.

Предпологаю использование машинного обучения по истории. Но нужно определить выборку элементов истории. Не думаю что  указание вручную  хорошая идея  - поэтому и ищу способ.

Можно разбить всю историю на группы и вручную указать какие группу подходящие. Но низкая точность и слишком большие вычисления для достаточно большой истории.

[Veseloff]

Вообще не понял что хотите сделать. Проясните некоторые вещи, пожалуйста.

1. Кто такой «FTP-мэнеджер»?

2. Что такое «история вида»?

3. Что такое «машинное обучение по истории»?

[Kypaku]

Вообще не понял что хотите сделать. Проясните некоторые вещи, пожалуйста.

1. Кто такой «FTP-мэнеджер»?

2. Что такое «история вида»?

3. Что такое «машинное обучение по истории»?

1.Программа типа FileZilla.

2.История вида - это значит что примерно так выглядит каждый элемент истории.

3. Не совсем знал как выразится - но вобщем надо проанализировать элементы истроии и на основании этого анализа дать ответ.

Edited September 2, 2014 by Kypaku

[Veseloff]

Мне кажется, что вы либо пытаетесь запилить вирус и тогда я помогать вам не буду либо делаете что-то несуразное. Озвучтьте изначальную задачу и тогда можно будет подумать над её решением, а то очень странная формулировка какая-то — может, просто надо решать иначе?

[Игорь Ермаков]

В чём алгоритмическая задача-то? 

[Kypaku]

Мне кажется, что вы либо пытаетесь запилить вирус и тогда я помогать вам не буду либо делаете что-то несуразное. Озвучтьте изначальную задачу и тогда можно будет подумать над её решением, а то очень странная формулировка какая-то — может, просто надо решать иначе?

Причем здесь вирус вообще?

Я пытаюсь модифицировать свой FTP-мэнеджер.

Просто надо придумать логическое решение.

Как из этой кучи информации(истории в данном случае) выделить кое-что полезное.

Как иначе? Все сайты разные и однозначно определить для всех(или хотябы для большинства) условия не так просто...да и смысла нету.

Например я могу определить некоторые CMS путем сравнения файлов в директории с неким "эталоном"(который тоже образовался путем анализа директорий сайтов с одной CMS - задавал вручную это).

Но не все - тем более самописные, или лэндинги. Поэтому надо както заставить автоматически сделать эти "эталоны" и потом сравнивать с ними.

Конечная цель - ответ является ли директория корнем какого либо сайта(True False)

Edited September 2, 2014 by Kypaku

[bryknyk]

Я правильно понимаю: у вас есть доступ к директории N своего сайта. Входящие данные: путь вида сервер/папка/файл|папка.  Определить, что текущий путь относится  к   сервер/public_папка (корневая) если такой список есть или как-то эвристически определить, что текущий путь корневой, если таких списков нет?

Хм, для известных сайтов такой  путь можно установить вручную ("xx.xx.xx.xx./public_html") и проверять текущий путь по этому списку или на наличие  robots.txt., хеш-файл яндекска, .htaccess., или собственного генерируемого файла, но для этого уже нужен список файлов к каталоге. Но сканировать каждую директорию, как вы подметили - затратно.  Если же вы создаете эталонный список файлов - то все равно же нужно указать публичный путь. Допустим, файлов робота и т.п. нет...

Можно один раз обратиться к сайту - файлы css, картинки хранятся в публичной папке, а если нет, то каким нибудь ассетором все равно копируются туды. И извлечь часть пути, например, с css или js (вернее, лишь определить наличие в публичной папке некоторых файлов). Извращение, конечно)

Допустим, что файлов вообще нет, только внутренние стили, картинки кодированы и т.п.

путь хранится, например в $_SERVER php ключ DOCUMENT_ROOT и т.п.Пути к публичной папке есть в конфигах сервера. есть в pear библиотека для чтения конфига, например, апача... хотяяяя.. она туда умеет и писать, что уже опаснее)

Сорри, если туплю - утро.

 

UPD:

Даже если пойти путем эталонов. Например, авто сделать "эталон" сайта. Через час разработчик перенастраивает  сервер и публичная директория становится уже другой, программа же верно сравнит по эталону и выдаст неверный ответ при существующей папке, скопирует туда что-нить или затрет  и т.п. Поэтому вариант с эталонами, списком путей и т.п. базирующиеся на истории, наверное, следует считать ненадежным способом.

Edited September 3, 2014 by bryknyk

[Kypaku]

Я правильно понимаю: у вас есть доступ к директории N своего сайта. Входящие данные: путь вида сервер/папка/файл|папка.  Определить, что текущий путь относится  к   сервер/public_папка (корневая) если такой список есть или как-то эвристически определить, что текущий путь корневой, если таких списков нет?

Хм, для известных сайтов такой  путь можно установить вручную ("xx.xx.xx.xx./public_html") и проверять текущий путь по этому списку или на наличие  robots.txt., хеш-файл яндекска, .htaccess., или собственного генерируемого файла, но для этого уже нужен список файлов к каталоге. Но сканировать каждую директорию, как вы подметили - затратно.  Если же вы создаете эталонный список файлов - то все равно же нужно указать публичный путь. Допустим, файлов робота и т.п. нет...

Можно один раз обратиться к сайту - файлы css, картинки хранятся в публичной папке, а если нет, то каким нибудь ассетором все равно копируются туды. И извлечь часть пути, например, с css или js (вернее, лишь определить наличие в публичной папке некоторых файлов). Извращение, конечно)

Допустим, что файлов вообще нет, только внутренние стили, картинки кодированы и т.п.

путь хранится, например в $_SERVER php ключ DOCUMENT_ROOT и т.п.Пути к публичной папке есть в конфигах сервера. есть в pear библиотека для чтения конфига, например, апача... хотяяяя.. она туда умеет и писать, что уже опаснее)

Сорри, если туплю - утро.

 

UPD:

Даже если пойти путем эталонов. Например, авто сделать "эталон" сайта. Через час разработчик перенастраивает  сервер и публичная директория становится уже другой, программа же верно сравнит по эталону и выдаст неверный ответ при существующей папке, скопирует туда что-нить или затрет  и т.п. Поэтому вариант с эталонами, списком путей и т.п. базирующиеся на истории, наверное, следует считать ненадежным способом.

Как ряз для того чтобы определить какие файлы/папки(роботс, htacess стили и т.д) должны находится в директори - нужно создать несколько "эталонов" (один врятли поможет) - путем анализа уже имеющихся данных.

Тогда если директория изменится незначительно - то все равно можно будет определить по тому же "эталону", а если совсем поменяется структура сайта - то уже по другому, более подходящему "эталону". Например был сайт на WordPress - можно определить по эталону собраному из вордпрессовских сайтов, а если поменяли на Joomla- то соответсвенно из джумловских.

Но проблема в том как "собрать" эти эталоны - для этого придется для каждой разновидности сайтов сначала вручную указать какие - где, а затем выделить условия.

[Veseloff]

Но проблема в том как "собрать" эти эталоны - для этого придется для каждой разновидности сайтов сначала вручную указать какие - где, а затем выделить условия.

Ну а почему бы и нет?

[Kypaku]

 

Но проблема в том как "собрать" эти эталоны - для этого придется для каждой разновидности сайтов сначала вручную указать какие - где, а затем выделить условия.

Ну а почему бы и нет?

 

Да похоже и правда единственный выход.

[bryknyk]

Допустим, есть сайт, фронт контроллер, для корневой - папка public. Если это не шаред хостинг, то во vhost апача -  DocumentRoot "path/public". И эта папка станет корневой. Могу сделать вторую папку stupid_site (допустим, что мне нечего делать, я неудовлетворенный жизнью и т.п.) потестить, сайт в бете... файлов робота и т.п. нет. Снова  DocumentRoot "path/stupid_site". теперь эта папка станет корневой, но сайт продолжит работать, т.к. конфиг который загружает index.php цепляет все нужные файлы и прежняя папка есть. могу так хоть целый день. Я могу разделить сайт на бекенд и фронтенд и прописать для бекенда вообще отдельный путь с отдельным адресом DocumentRoot "path/manager"   фактически мы имеем две публичных папки на сайте по разным адресам, которые легко меняются.

Как вы собираетесь сформировать условия в таком мало предсказуемом случае? Для большинства известных можно... но остаются и другие,. А если у сайта 10 публичных папок в 1 директории - блог, магазин, мобильный и т.п., то нужно еще и разделять их по назначению.

Лично я бы пошел путем яндекса\гугла с размещением проверочного файла или использованием их файлов: один раз его поискать рекурсивно (ибо лень вручную вписывать путь) и занести путь в конфиг, работать уже с этим путем. Отслеживание измений как мини vcs. Всегда доступен из инета по адресу сайта - можно быть уверенным, что папка с ним доступна, должна быть 1 копия на сайте т.к. можно скопировать публичную папку и  он также будет доступен, но уже это его копия и другая папка и т.п. имхо.

[Kypaku]

Допустим, есть сайт, фронт контроллер, для корневой - папка public. Если это не шаред хостинг, то во vhost апача -  DocumentRoot "path/public". И эта папка станет корневой. Могу сделать вторую папку stupid_site (допустим, что мне нечего делать, я неудовлетворенный жизнью и т.п.) потестить, сайт в бете... файлов робота и т.п. нет. Снова  DocumentRoot "path/stupid_site". теперь эта папка станет корневой, но сайт продолжит работать, т.к. конфиг который загружает index.php цепляет все нужные файлы и прежняя папка есть. могу так хоть целый день. Я могу разделить сайт на бекенд и фронтенд и прописать для бекенда вообще отдельный путь с отдельным адресом DocumentRoot "path/manager"   фактически мы имеем две публичных папки на сайте по разным адресам, которые легко меняются.

 

Всё на что я могу ориентироваться- на список файлов в директории. Как прмиерно  будет он выглядить для случаев которые Вы описали?