这是一个创建于 2929 天前的主题，其中的信息可能已经有所发展或是发生改变。
https://mercury.postlight.com/web-parser/
号称可以直接拉到 HTML 的文章内容正文的数据，测试了很多资讯站基本上都覆盖的比较完美。
不过感觉不太可能是手动覆盖了这些测试站点的样式，所以应该用的算法之类的实现。
大家有相关的资料可以参考下吗？对这个非常感兴趣
号称可以直接拉到 HTML 的文章内容正文的数据，测试了很多资讯站基本上都覆盖的比较完美。
不过感觉不太可能是手动覆盖了这些测试站点的样式，所以应该用的算法之类的实现。
大家有相关的资料可以参考下吗？对这个非常感兴趣
 | 1 cubelate 2017-10-11 11:57:35 +08:00 有意思，可能是通过判断位置，z-index，大小之类吧。把自己当做浏览器，分析最前面最大块的内容。 |
1 | 3 ygger 2017-10-11 20:08:21 +08:00 这是我的一个正文提取器： http://kandouban.top/extractor |
| 4 ygger 2017-10-11 20:15:03 +08:00 |
Select Language