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
V2EX 提问指南
douglas1997
V2EX  ›  问与答

有没有类似于 Safari 正文阅读模式的提取库推荐( Python )?

  •  
  •   douglas1997 · 2017-05-24 18:23:03 +08:00 · 880 次点击
    这是一个创建于 2582 天前的主题,其中的信息可能已经有所发展或是发生改变。

    最近看到一些比较好的文章打算记录一下, Safari 阅读模式做的是十分出色的。我想的是只把图片留下标签, 其他的全部转为文本。

    我已经尝试了 Readability, newspaper 和一些基于行块分布函数的通用网页正文抽取算法的代码, 感觉效果不太好(相对于 Safari 的阅读模式)。大家有什么好的库推荐没有呢?

    谢谢。

    1 条回复    2017-05-24 18:49:54 +08:00
    polythene
        1
    polythene  
       2017-05-24 18:49:54 +08:00   ❤️ 1
    安利一个我自己写的库: https://github.com/polyrabbit/hacker-news-digest/tree/master/page_content_extractor,目前我用它来提取 hacker news 上各种链接的正文,效果还挺好的。
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   5091 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 24ms · UTC 09:17 · PVG 17:17 · LAX 02:17 · JFK 05:17
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.