网页正文提取
关注
分享
扫一扫
文章平均质量分 80
吕亚林
这个作者很懒，什么都没留下…
展开
-
网页去噪，网页正文文本提取方案一（readability）
提起网页正文提取和网页内容去噪，最有名的就是readability它了。现在有多种版本java，js，ios，android都有了。介绍：In few words,Given a html document, it pulls out the main body text and cleans it up.代码实例：采用的是python-readability 项目git地址fro原创 2013-10-11 22:54:22 · 5476 阅读 · 3 评论 -
网页去噪，网页正文文本提取方案二（goose）
goose项目介绍：The aim of the software is is to take any news article or article type web page and not only extract what is the main body of the article but also all meta data and most probable image can原创 2013-10-11 23:12:44 · 3800 阅读 · 0 评论