Dimensões e características da Web brasileira: um estudo ... - CGI.br

80<br />
capítulo 4<br />
inDicaDores e universo De DaDos<br />
Dimensões e características da Web brasileira: um estudo do .gov.br<br />
G2: Proporção de tipos de tecnologias<br />
usadas nas páginas da Web - percentual<br />
por tipo de tecnologia<br />
Definição do indicador<br />
Valor percentual dos tipos de tecnologias usadas nas páginas da Web brasileira<br />
“.br”.<br />
Propósito<br />
Obter uma distribuição dos tipos de linguagens usadas nas páginas da Web<br />
brasileira “.br”, de acordo com uma lista de valores pré-determinados (PHP,<br />
ASP, ASPX, JSF, JSP, etc.).<br />
Metodologia<br />
A determinação de tecnologias usadas é um desafio, porque uma página<br />
coletada não pos sui obrigatoriamente informações sobre a tecnologia que a<br />
gerou. Uma opção adotada foi se basear nas eventuais extensões de arquivo<br />
presentes na URL.<br />
Para determinar as tecnologias, partiu-se de um dicionário de 406 extensões<br />
de arquivos e processamos o arquivo de páginas válidas (OK), verificando<br />
em cada URL listada naquele arquivo a ocorrência de uma extensão válida.<br />
Uma extensão válida deve ocorrer antes da primeira “?” da URL e a partir da<br />
ultima “/” que antecede essa “?”´ . O processo verifica então, por casamento<br />
de padrões, a ocorrência das extensões na cadeia delimitada por “/” e “?”<br />
da URL. Para extensões que tenham o mesmo radical (p.ex., asp e aspx),<br />
considera-se a mais longa.<br />
O ponto de partida da metodologia foi apurar quais as possíveis extensões,<br />
como medida das tecnologias utilizadas. Nesse caso, buscou-se uma lista de<br />
406 extensões de arquivos, a partir do sítio http://www.file-extensions.org.<br />
Com base nessas extensões, analisou-se a URL de cada página coletada, de<br />
forma a identificar quais extensões ocorriam na URL.<br />
Feita a identificação de extensões, há três casos possíveis. O primeiro caso:<br />
nenhuma extensão encontrada na URL, o que impede estimar qual a tecnologia<br />
utilizada. O segundo caso: há exatamente uma extensão, caso no qual<br />
a tecnologia, se for o caso, é associada diretamente. O terceiro caso: mais