Html网页正文提取 Html2Article

• 授权协议: Apache
• 开发语言: C#
• 操作系统: Windows
• 软件首页: http://blog.zhaishidan.cn/Html2Article/
• 软件文档: http://blog.zhaishidan.cn/Html2Article/

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://www.codercto.com/soft/d/2733.html