新闻网页正文通用抽取工具 Node.js 版本

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

爱意满满的作品展示区。

这是一个创建于 1873 天前的主题，其中的信息可能已经有所发展或是发生改变。

上个月看到大佬发的/t/599166，国庆研究了一下代码和论文，把大佬的代码用 JavaScript 写了一遍，做了一些修改，目前感觉效果还可以。

下一步考虑在浏览器中运行。

8 条回复 • 2019-10-11 11:28:41 +08:00

Sanko

2019-10-09 12:48:09 +08:00 via Android

资瓷

momocraft

2019-10-09 12:54:44 +08:00

不是新闻网页（比如没有日期）也适用吗？

cydian

2019-10-09 13:38:40 +08:00 via Android

图片呢？

0o0O0o0O0o

2019-10-09 13:38:49 +08:00

早就想要了，感谢楼主。

整到了 cloudflare workers 上

```sh
$ curl -s -o test.html http://baijiahao.baidu.com/s?id=1646431966952708911

$ curl -s -X POST https://demo.extract.workers.dev/demo -d @test.html | jq
{
"title": "国庆黄金...000 万人次",
"author": "",
"publishTime": "10 月 4 日",
"content": "..."
}
```

optional

2019-10-09 13:45:32 +08:00

jason94

2019-10-10 09:01:22 +08:00 via Android

@momocraft 不是日期的问题，算法不适用额

zjiecode

2019-10-11 08:24:12 +08:00

jason94

2019-10-11 11:28:41 +08:00

@mrjiejiejie 这篇应该正文太短了，最后算出来的分数低了一点，晚点我看看怎么修正