深夜来吐个槽 Readability 已经两年没更新了

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

这是一个创建于 3776 天前的主题，其中的信息可能已经有所发展或是发生改变。

至今 Readability 的文本抓取能力依然是第一
然而安卓客户端已经两年没更新了还有 Bug
Pocket 不思进取经常丢图很多网页不能脱水差评

个槽

Pocket

抓取

更新

20 条回复 • 2015-09-25 17:09:31 +08:00

xxm459259

2015 年 9 月 25 日 via iPhone

我仿照它做了一个，加了不少规则，现在对中文网页优化好很多。已经给产品用上了，反馈也不错，过段时间打算开源。

xxm459259

2015 年 9 月 25 日 via iPhone

有一点比较大的区别是加了规则之后用梯度提升决策树训练的，不再是 readability 的硬规则，所以需要一些网页做训练。

adrianzhang

2015 年 9 月 25 日

IFTTT ，粘！

missdeer

2015 年 9 月 25 日 via Android

用 evernoteclipper

KoleHank

2015 年 9 月 25 日

@pandachow 期待开源，支持

icedx

2015 年 9 月 25 日 via Android

@pandachow 硬规则还好我用的就是硬规则现在

icedx

2015 年 9 月 25 日 via Android

@adrianzhang 求分享管道

icedx

2015 年 9 月 25 日 via Android

@missdeer 那个只能网页端吧

iugo

2015 年 9 月 25 日

红+沙发.
一直在用.

icedx

2015 年 9 月 25 日 via Android

@iugo 安卓端丢条目网页端都能看到但是就是在安卓端显示不出来浑身难受

missdeer

2015 年 9 月 25 日

@icedx 抓了网页就进 Evernote 了呀

iugo

2015 年 9 月 25 日

@icedx 我没有直接使用. 是通过 Reeder 或 gReader 使用的. 当时觉得这家伙 API 一定很棒.

xxm459259

2015 年 9 月 25 日

@icedx general 来说，正文准确率还可以。但是硬规则过滤的结果其实非常依赖前端的规范与否，此时如果发现某几个网页结果不好的时候，多数情况只能单独为它加规则或者改让前端改网页，维护和修改成本不低。

机器学习的好处在于如果不好，就拿这个网站的几个页面专门训练，直到算出来结果正确为止，最多会维护几个模型而已，。。。

icedx

2015 年 9 月 25 日 via Android

@missdeer yep 但是只能在浏览器里抓吧… 我想丢一个链接进去我记得是做不到

icedx

2015 年 9 月 25 日 via Android

@iugo 求方法我试过 gReader 但是条目还是丢然而苹果客户端不丢

icedx

2015 年 9 月 25 日 via Android

@pandachow 训练模式赞一个
我一般都是从人的角度考虑的为什么人能认出正文这样
然后辅以数学的方法缺点就是精度细节不够
比如吧切胡萝卜我的方法可以把头尾直接切掉每次离最好的情况差一点点

adrianzhang

2015 年 9 月 25 日

@icedx 不需要分享的吧？有很多公共的 readability 2 pocket 一类的 receipts.

icedx

2015 年 9 月 25 日 via Android

@adrianzhang 去搜下😂

adrianzhang

2015 年 9 月 25 日

@icedx https://ifttt.com/recipes/search?q=pocket

xxm459259

2015 年 9 月 25 日

@icedx 对的，从人的角度去出发是无比正确的逻辑。之前还有一个实验性的项目很有趣，是根据人眼停留时间来学习，但是好像没有下文……