Crux：灵活的网页元数据提取工具

Crux：灵活的网页元数据提取工具

crux Crux offers a flexible plugin-based API & implementation to extract interesting information from Web pages. 项目地址: https://gitcode.com/gh_mirrors/cru/crux

1. 项目基础介绍和主要编程语言

Crux 是一个开源项目，旨在提供一个灵活的插件式 API 和实现，用于从网页中提取有趣的元数据。该项目主要由 Kotlin 语言开发，适用于需要高效提取网页信息的场景，特别是移动应用和服务器端应用。

2. 项目核心功能

Crux 的核心功能包括：

• 提取网页的标题、描述、横幅图片等元数据。
• 支持多种元数据格式，如 OpenGraph、Twitter Cards、Schema.org 等。
• 处理 HTTP 重定向和静态重定向器（如 Google 和 Facebook 的重定向服务）。
• 提供一系列默认插件，包括 HTML 元数据提取、AMP 页面重写、Google 和 Facebook 静态重定向器等。
• 支持自定义插件，允许开发者扩展和定制提取逻辑。

3. 项目最近更新的功能

最近更新的功能包括：

• 移除了内置的文章提取插件，转而推荐使用更高质量和更新的第三方库，如 dankito/Readability4J。
• 引入了新的插件 Readability4JPlugin，用于提取网页的核心文章内容，去除侧边栏、导航栏等不重要的部分。
• 优化了插件架构，使得开发者可以更方便地添加和定制自己的插件。
• 提供了新的示例插件 CustomerNumberExtractorPlugin，展示了如何从 URL 中提取特定字段。

Crux 的持续更新确保了其功能性和灵活性，使其成为处理网页元数据提取任务的理想选择。

crux Crux offers a flexible plugin-based API & implementation to extract interesting information from Web pages. 项目地址: https://gitcode.com/gh_mirrors/cru/crux