首页 软件 游戏 图书 电影 电视剧
HtmlSucker是一款用来从一个HTML网页中提取文章信息的小工具包,例如从网页中提取文章标题、作者、发布时间、 封面图以及文章正文内容。基于 jsoup 库进行 HTML 解析。
HtmlSucker 提供两种正文提取算法:
最大文本块:分析整个 HTML 文档的所有节点,提取其中包含最多文字的的连续节点。 文本密度算法:参考 WebCollector 项目的代码 目前还处于非常简单的阶段,但是可用。
传承兰台文化,共同保存历史记忆!兰台网收藏软件、游戏、图片、图书、电影、电视剧等互联网档案,是免费和可借阅文本、电影、音乐等档案的数字图书馆。