一个正文抽取的微服务,目前采用的算法是行块密度算法,大概测试了一下,可以抽取大部分的网页正文,但是效果还不是很理想,打算再用 Readability 再实现一遍。 项目用到了下面一下技术,感兴趣可以一起改进一下
项目地址 https://github.com/ququzone/smart-extractor