Html网页正文提取 Html2Article

码农软件 · 软件分类 · HTML解析器 · 2019-04-02 22:26:45

软件介绍

.NET平台下,一个高效的从Html中提取正文的工具。

正文提取采用了基于文本密度的提取算法,支持从压缩的Html文档中提取正文,每个页面平均提取时间为30ms,正确率到95%以上。

Html2Article

Html2Article有如下特点:

  • 标签无关,提取正文不依赖标签。
  • 支持从压缩的html文档中提取正文内容。
  • 支持带标签输出原始正文。
  • 核心算法简洁高效,平均提取时间在30ms左右。

使用示例:

/// <summary>
/// 文章正文数据模型
/// </summary>
public class Article
{
    public string Title { get; set; }
    /// <summary>
    /// 正文文本
    /// </summary>
    public string Content { get; set; }
    /// <summary>
    /// 带标签正文
    /// </summary>
    public string ContentWithTags { get; set; }
    public DateTime PublishDate { get; set; }
}
// html为你要提取的html文本
string html = "<html>....<html>";
Article article = Html2Article.GetArticle(html);

本文地址:https://codercto.com/soft/d/2733.html

第一行代码:Android(第2版)

第一行代码:Android(第2版)

郭霖 / 人民邮电出版社 / 2016-12-1 / CNY 79.00

本书被广大Android 开发者誉为“Android 学习第一书”。全书系统全面、循序渐进地介绍了Android软件开发的必备知识、经验和技巧。 第2版基于Android 7.0 对第1 版进行了全面更新,将所有知识点都在最新的Android 系统上进行重新适配,使用 全新的Android Studio 开发工具代替之前的Eclipse,并添加了对Material Design、运行时权限、......一起来看看 《第一行代码:Android(第2版)》 这本书的介绍吧!

HTML 压缩/解压工具
HTML 压缩/解压工具

在线压缩/解压 HTML 代码

UNIX 时间戳转换
UNIX 时间戳转换

UNIX 时间戳转换

正则表达式在线测试
正则表达式在线测试

正则表达式在线测试