Html网页正文提取 Html2Article

码农软件 · 软件分类 · HTML解析器 · 2019-04-02 22:26:45

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

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

Scrum精髓

Scrum精髓

Kenneth Rubin / 姜信宝、米全喜、左洪斌、(审校)徐毅 / 清华大学出版社 / 2014-6-1 / CNY 79.00

短短几年时间,Scrum跃升为敏捷首选方法,在全球各地得以普遍应用。针对如何用好、用巧这个看似简单的框架,本书以通俗易懂的语言、条理清晰的脉络阐述和提炼出Scrum的精髓。全书共4部分23章,阐述了七大核心概念:Scrum框架,敏捷原则,冲刺,需求和用户故事,产品列表,估算与速率,技术债;三大角色:产品负责人,ScrumMaster,开发团队以及Scrum团队构成:Scrum规划原则及四大规划活动......一起来看看 《Scrum精髓》 这本书的介绍吧!

HTML 编码/解码
HTML 编码/解码

HTML 编码/解码

RGB CMYK 转换工具
RGB CMYK 转换工具

RGB CMYK 互转工具

HEX HSV 转换工具
HEX HSV 转换工具

HEX HSV 互换工具