编辑，请再读一次，因为我添加了我的一些工作

我的任务是比较两个URL的模板。我已经准备好算法。但是，给出最终答案需要花费太多时间。

我使用 Jsoup 和 Selenium 用 Java 编写了代码

在这里， 模板 是指任何页面呈现其内容的方式。

例：-

任何购物网站上都有任何鞋子的页面，其中包含，

Images in the left.
Price and Size in the right.
Reviews in the bottom.

如果两个URL属于任何特定产品，则返回“两者均来自同一模板”。例如，此链接和此链接具有相同的模板。

如果一个URL显示任何产品，而另一个URL显示任何类别，则显示“没有匹配项”。例如，此链接和此链接来自不同的模板。

我认为该算法需要一些优化，这就是为什么我要在此论坛中发布此问题。

我的算法

1. 提取，解析两个输入URL并制作其DOM树。
2. 然后，如果任何页面包含，UL和TABLE，则删除该标签。我这样做是因为，可能两个页面包含不同数量的项目。
3. 然后，我计算两个URLS中的标签数量。例如initial_tag1，initial_tag2。
4. 然后，如果该树的节点数少于10，则开始删除在相应页面上具有相同位置，具有相同ID的标记及其下层子树。
5. 然后，如果该树的节点数少于10，则我开始删除在coresponding页面上具有相同位置，相同的Class名称及其下面的子树的标记。
6. 然后，如果该树的节点数少于10，则开始删除没有Id和No类名的标签及其下层子树。
7. 步骤4、5、6具有（N * N）复杂度。在这里，N是标签数。[这样，DOM树的每一步都会收缩]
8. 从此递归中得出结果时，我将检查final_tag1和final_tag2。
9. 如果final_tag1和final_tag2小于initial_tag1 （0.2）和initial_tag2 （0.2），那么我 可以 这样说Two URL matched，否则not。

我对此算法有很多想法，并且发现从DOM树中删除节点是一个非常缓慢的过程。这可能是减慢该算法的罪魁祸首。

我从一些极客那里讨论了

他们说，对每个标记使用分数而不是将其删除，然后将其添加，然后在末尾返回（分数I
Got）/（accumulatedPoints）或类似的值，然后在此基础上，您确定两个URL相似或不。

但是我不明白这一点。因此，您可以解释一些极客的说法，还是可以给出任何其他优化的算法来有效解决此问题。

提前致谢。寻找您的友好回应。