- 授权协议: Apache 2.0
- 开发语言: HTML/CSS
- 操作系统: 跨平台
- 软件首页: https://github.com/chimbori/crux
- 软件文档: https://github.com/chimbori/crux
- 官方下载: https://github.com/chimbori/crux
软件介绍
Crux 是一个 HTML 正文内容提取库，它通过分析 Web 页面，以确定一篇文章的关键内容。该库由多个独立的 API 组成，可随意选择想使用的那个。比如说，如果你在 Android 应用中使用 Crux ，则可以使用 Proguard 或其他压缩工具来去除不需要的部分。
文章提取 API ：
可格式化提取内容丰富，不限于纯文本。
支持更多的网站和更好的页面整体解析。
支持更多的元数据格式：OpenGraph， Twitter Cards，Schema.org 等
占用空间小，JSoup 是唯一需要的依赖项。
更少的 setters/getters，简单易用
能够使用默认的 HttpUrlConnection 之外的 HTTP 库，例如 OkHttp 。
代码简洁
高度支持通过 Gradle 导入 Android Studio 项目
持续集成单元测试和 golden file 测试。
示例代码：
在后台线程中，发出网络请求并获取想要分析的页面的 rawHTML 。
String url = "https://example.com/article.html"; String rawHTML = "<html><body><h1>This is an article</h1></body></html>"; Article article = ArticleExtractor.with(url, rawHTML) .extractMetadata() .extractContent() // If you only need metadata, you can skip `.extractContent()` .article();
在 UI 线程上：
// Use article.document, article.title, etc.
统计自然语言处理
宗成庆 / 清华大学出版社 / 2008-5 / 66.00元
内容简介 本书全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等，既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详......一起来看看 《统计自然语言处理》 这本书的介绍吧!
