측정 ·
무엇을, 어떤 페이지로 측정했고, 결과는 어땠는가
페이지 512개로 테스트했습니다. 109개는 다른 엔진 세 개와 일대일로, 403개는 저희 코어만으로 처리했습니다. 크래시는 없었고, 추출된 어떤 기사에도 HTML 태그가 남지 않았습니다. 코퍼스와 스크립트는 다음 측정 때 공개합니다. 그때까지는 이 페이지가 무엇을 실행했고 무엇이 나왔는지에 대한 전체 기록입니다.
첫 번째 측정: 페이지 109개, 엔진 네 개 일대일 비교
코퍼스는 세계에서 방문자가 가장 많은 사이트 100곳과 러시아에서 방문자가 가장 많은 사이트 100곳입니다. 콘텐츠가 아닌 도메인(메신저, 은행, 스트리밍, 정부 포털)은 미리 제외했습니다. 페이지는 실제 브라우저로 캡처했고, 홈페이지에 콘텐츠 링크가 있으면 그 링크를 따라갔습니다.
같은 109개 캡처 페이지에 엔진 네 개를 실행했습니다. Turndown 7.2.4를 붙인 Defuddle 0.19.3(공식 Obsidian Web Clipper의 코어), 같은 Turndown을 붙인 Mozilla Readability 0.6.0(MarkDownload의 코어), Chrome 웹 스토어 빌드에서 풀어낸 실제 배포 코드인 MarkSnip 5.2.0, 그리고 Clean Web Clipper 0.1.0입니다.
| 지표 | Defuddle 0.19.3 | Mozilla Readability 0.6.0 | MarkSnip 5.2.0 | Clean Web Clipper 0.1.0 |
|---|---|---|---|---|
| 페이지 | 109 | 107 | 107 | 109 |
| 크래시 | 0 | 2 | 2 | 0 |
| 남은 HTML | 532 | 718 | 2 | 0 |
| 중복된 메뉴 줄 | 491 | 282 | 478 | 102 |
| 짧은 줄 비율 | 0.278 | 0.262 | 0.263 | 0.221 |
| 찾은 저자 | 23 | 27 | 28 | 28 |
| 찾은 게시일 | 28 | 13 | 13 | 24 |
| 추출한 표(56개 중) | 3 | 8 | 11 | 5 |
| 유용한 텍스트 비율 | 0.878 | 0.931 | 0.934 | 0.890 |
Clean Web Clipper가 뒤처지는 부분
- 표: 5 대 11(MarkSnip). 원본 표 56개 중 41개는 한 페이지에 몰려 있고 콘텐츠가 아니라 레이아웃용이라, 어떤 엔진도 추출하지 않는 것이 맞습니다. 실제 격차는 루트 선택이 너무 좁은 블록을 고르는 몇몇 페이지에 있습니다.
- 유용한 텍스트 비율: 0.890 대 0.934. 일부는 의도된 것입니다. 다른 엔진이 그대로 돌려주는 피드 페이지를 거절하기 때문입니다. 나머지는 같은 좁은 루트 문제입니다.
- 게시일: 24 대 28(Defuddle).
- 저자: 최고 수준과 동률, MarkSnip과 28 대 28. 저자 추출을 다시 만든 뒤의 결과입니다. 이 코퍼스를 처음 채점했을 때는 20이었습니다.
두 번째 측정: 유럽 12개 언어의 페이지 403개, 저희 코어만
12개국 각각의 상위 50개 사이트를 브라우저를 그 나라 언어로 설정한 채 캡처했습니다. 그렇지 않으면 절반이 영어 페이지를 보여 주어 전혀 다른 것을 측정하게 되기 때문입니다.
403개 중 152개 페이지는 “기사 없음”이라고 답했습니다. 쇼핑몰 첫 화면, 포털 홈페이지, 피드처럼 추출할 기사가 없는 페이지입니다. 이 답은 의도된 것이며, 그래서 이 페이지들은 클립이 아니라 테스트한 페이지로 셉니다.
| 언어 | 페이지 | 크래시 | 남은 HTML | 링크 비율 |
|---|---|---|---|---|
| 독일어 | 40 | 0 | 0 | 0.058 |
| 프랑스어 | 39 | 0 | 0 | 0.050 |
| 스페인어 | 40 | 0 | 0 | 0.060 |
| 이탈리아어 | 40 | 0 | 0 | 0.036 |
| 폴란드어 | 30 | 0 | 0 | 0.064 |
| 포르투갈어 | 36 | 0 | 0 | 0.060 |
| 네덜란드어 | 37 | 0 | 0 | 0.049 |
| 튀르키예어 | 31 | 0 | 0 | 0.042 |
| 우크라이나어 | 13 | 0 | 0 | 0.054 |
| 체코어 | 28 | 0 | 0 | 0.039 |
| 스웨덴어 | 28 | 0 | 0 | 0.036 |
| 루마니아어 | 41 | 0 | 0 | 0.039 |
클립당 시간: 4분 38초
lessroutinemorelife.com의 카운터는 클립 하나를 4분 38초로 계산합니다. 이 시간은 운영자가 다양한 콘텐츠 페이지 1,000개 이상에서 직접 잰 것입니다. 텍스트를 복사하고, 붙여 넣고, 정리하고, 제목과 출처를 추가한 뒤, 남은 HTML 마크업이 없는지 확인하는 과정입니다. 평균과 중앙값을 모두 계산했습니다.
따라서 카운터는 클립 수에 이 시간을 곱한 값이며, 클립마다 스톱워치로 잰 시간의 합이 아닙니다. 특정 클립이 사용자에게 얼마나 걸렸을지를 측정하지는 않습니다.
숫자의 의미
- 크래시: 엔진이 페이지에서 오류를 내고 아무것도 돌려주지 않은 경우입니다. 크래시가 없는 실행도 메뉴로 가득할 수 있으며, 그것은 다른 행이 측정합니다.
- 남은 HTML 태그: 원시 마크업이 Markdown에 얼마나 남았는지입니다. 0보다 크면 결함입니다.
- 중복된 메뉴 줄: 12자보다 길면서 두 번 이상 나타나는 줄입니다. 섹션마다 반복되는 내비게이션입니다.
- 짧은 줄 비율: 25자 미만인 줄의 비율입니다. 높으면 산문이 아니라 링크 목록이 잘려 들어왔다는 뜻입니다.
- 링크 비율: 링크 텍스트 안에 있는 글자의 비율입니다. 높으면 메뉴가 딸려 왔다는 뜻입니다.
- “기사 없음”: 페이지에 기사 본문이 없어서 확장 프로그램이 링크를 돌려주는 대신 그렇다고 알린 경우입니다. 크래시도 클립도 아닙니다.
이 측정의 솔직한 한계
- 우크라이나어 표본은 40개가 아니라 13개입니다. 코퍼스 대부분이 캡처 위치에서 응답하지 않았습니다. 이 행은 참고용으로만 보세요.
- 튀르키예와 체코의 상위 50개 목록은 쇼핑몰과 시간표 쪽으로 치우쳐 있고, 이런 페이지에는 게시일이 전혀 없습니다. 추출이 아니라 코퍼스의 특성입니다.
- 다른 엔진은 첫 번째 코퍼스에서만 실행했습니다. 유럽 측정은 Clean Web Clipper만 측정합니다.
- 모든 엔진이 500자 미만을 돌려준 페이지는 제외했습니다. 추출 품질이 아니라 캡차나 차단이기 때문입니다.
- 두 측정 모두 2026년 8월 말에 찍은 실제 사이트의 스냅숏입니다. 같은 스크립트를 나중에 실행하면 사이트가 바뀌는 만큼 숫자가 조금씩 달라집니다.