这是一个创建于 2600 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