Ölçüm · 30–31 Ağustos 2026’da ölçüldü · Evgeny K.

Ne, ne üzerinde ölçüldü ve ne çıktı

512 sayfada test edildi: 109’u üç başka motora karşı, 403’ü yalnızca kendi çekirdeğimizle. Çökme yok, çıkarılan hiçbir makalede artık HTML etiketi yok. Korpus ve betikler bir sonraki provayla yayımlanacak; o zamana kadar neyin koştuğunun ve ne çıktığının eksiksiz kaydı bu sayfa.

Birinci prova: 109 sayfa, dört motor karşı karşıya

30 Ağustos 2026’da alındı ve puanlandı

Korpus, dünyanın en çok ziyaret edilen yüz sitesi ile Rusya’nın en çok ziyaret edilen yüz sitesi. İçerik taşımayan alan adları – mesajlaşma, bankacılık, video akışı, devlet portalları – önceden çıkarıldı. Sayfalar gerçek bir tarayıcıyla alındı; her ana sayfada varsa bir içerik bağlantısı izlendi.

Aynı alınmış 109 sayfa üzerinde dört motor koştu: Turndown 7.2.4 ile Defuddle 0.19.3 (resmî Obsidian Web Clipper’ın çekirdeği), aynı Turndown ile Mozilla Readability 0.6.0 (MarkDownload’un çekirdeği), MarkSnip 5.2.0 – Chrome Web Store derlemesinden açılmış gerçek yayın kodu – ve Clean Web Clipper 0.1.0.

Clean Web Clipper’ın geride kaldığı yerler

• Tablolar: bizde 5, MarkSnip’te 11. Kaynaktaki 56 tablonun 41’i tek bir sayfada duruyor ve içerik değil yerleşim tablosu; hiçbir motorun onları çıkarmaması gerekir. Asıl açık, kök seçimimizin fazla dar bir blok seçtiği birkaç sayfa.
• Yararlı metin payı: bizde 0.890, en iyisinde 0.934. Bir kısmı bilinçli – başka motorların döndürdüğü akış sayfalarını reddediyor – bir kısmı da aynı fazla dar kök.
• Yayın tarihi: bizde 24, Defuddle’da 28.
• Yazarlar: en iyiyle başa baş – yazar çıkarımı yeniden yazıldıktan sonra MarkSnip’le 28’e 28. Bu korpusun ilk puanlamasında 20’ydi.

İkinci prova: on iki Avrupa dilinde 403 sayfa, yalnızca kendi çekirdeğimiz

31 Ağustos 2026’da alındı ve puanlandı

On iki ülkenin her birinde ilk elli site, tarayıcı o ülkenin diline ayarlanarak alındı; yoksa yarısı İngilizce sayfa veriyor ve ölçüm başka bir şeyin ölçümü oluyor.

403 sayfanın 152’si “makale yok” yanıtı verdi: mağaza vitrinleri, portal ana sayfaları ve akışlar – çıkarılacak makalenin olmadığı yerler. Bu yanıt bilinçli; bu sayfaların kaydedilmiş değil test edilmiş sayılmasının sebebi de bu.

Kayıt başına süre: 4 dk 38 sn

lessroutinemorelife.com’daki sayaç her kaydı 4 dk 38 sn olarak sayar. Bu süre, sahibi tarafından elle, 1.000’den fazla çeşitli içerik sayfasında ölçüldü: metni kopyalamak, yapıştırmak, temizlemek, başlığı ve kaynağı eklemek, sonra artık HTML işaretlemesi kalıp kalmadığını denetlemek. Hem ortalama hem medyan hesaplandı.

Dolayısıyla sayaç, kayıt sayısının bu süreyle çarpımıdır; her kayıt için tutulmuş kronometre ölçümlerinin toplamı değildir. Belirli bir kaydın sizin ne kadar zamanınızı alacağını ölçmez.

Sayılar ne anlama geliyor

• Çökme – motor sayfada hata verdi ve hiçbir şey döndürmedi. Çökmesiz bir prova yine de menüyle dolu olabilir; bunu diğer satırlar ölçer.
• Artık HTML etiketleri – Markdown’a kaç ham işaretleme sızdı. Sıfırın üstündeki her şey kusurdur.
• Yinelenen menü satırları – on iki karakterden uzun olup birden çok kez geçen satırlar. Bu, her bölümde tekrarlanan gezinmedir.
• Kısa satır oranı – yirmi beş karakterin altındaki satırların payı. Yüksek olması, düzyazı yerine kırpılmış bağlantı listeleri demektir.
• Bağlantı payı – bağlantı etiketlerinin içinde kalan karakterlerin payı. Yüksek olması, menünün de geldiği anlamına gelir.
• “Makale yok” – sayfada makale gövdesi yoktu, eklenti bağlantı döndürmek yerine bunu söyledi. Ne çökmedir ne kayıt.

Bu ölçümün dürüst sınırları

• Ukraynaca örneklem 40 değil 13 sayfa – korpusun geri kalanı çekim noktasından yanıt vermedi. O satırı yalnızca fikir verici sayın.
• Türkçe ve Çekçe ilk elli listeleri mağazalara ve tarife sayfalarına kayıyor; bu sayfalar yayın tarihi taşımıyor, JSON-LD’lerinde de tarih yok. Bu, çıkarımın değil korpusun bir özelliği – ve Türkçe sayfalarda tarih alanının sık sık boş kalmasının sebebi.
• Rakip motorlar yalnızca birinci korpusta koşturuldu. Avrupa provası tek başına Clean Web Clipper’ı ölçüyor.
• Bütün motorların 500 karakterin altında döndürdüğü sayfalar dışarıda bırakıldı: orada olan şey captcha ya da engel, çıkarım kalitesi değil.
• İki prova da Ağustos 2026 sonunda canlı sitelerden alınmış anlık görüntülerdir. Aynı betikler daha sonra koşturulursa, siteler değiştikçe sayılar biraz farklı çıkar.

Sorular