简介
HtmlSucker 是一个用来从一个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 提取文章正文的原理: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。本项目部分... 更多
其它信息
地区
国产
开发语言
Java
开源组织
无
所属分类
Web应用开发、 HTML解析器
授权协议
WTFPL
操作系统
跨平台
收录时间
2023-09-21
软件类型
开源软件
适用人群
未知
时光轴
里程碑1
LOG0
2023
2023-09
轻识收录
评价
0.0(满分 10 分)0 个评分
什么是点评分
全部评价(
0)
推荐率
100%
推荐
Html2ArticleHtml网页正文提取
.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。Html2Artic
Html2ArticleHtml网页正文提取
0
PeaExtractor文档提取工具
PeaExtractor是开源项目PeaZip项目的附带品,可以从150+文档类型(7Z,ACE,BZ2,CAB,GZ,ISO,RAR,TAR,ZIP等等)提取内容,是个简单直接的提取工具。PeaEx
PeaExtractor文档提取工具
0