照明灯具类企业网站,温州市网络科技有限公司,网站设计报价是多少钱,原生多重筛选插件wordpress软件介绍简介ContentExtractor 是一个开源的网页正文抽取工具#xff0c;用JAVA实现#xff0c;具有非常高的抽取精度。算法ContentExtractor的网页正文抽取算法使用的是CEPR#xff0c;适用于几乎所有的包含正文的网页。 算法简介#xff1a;项目地址转移项目已和WebColle…软件介绍简介ContentExtractor 是一个开源的网页正文抽取工具用JAVA实现具有非常高的抽取精度。算法ContentExtractor的网页正文抽取算法使用的是CEPR适用于几乎所有的包含正文的网页。 算法简介项目地址转移项目已和WebCollector合并当前项目为老版本ContentExtractor,请前往WebCollector项目查看ContentExtractor的最新版本源码和API。教程(只适用于老版本新版本请前往WebCollector)ContentExtractor的接口非常简单用户可以根据网页的url或者网页的html来进行网页正文抽取根据url抽取网页的正文public static void main(String[] args) throws Exception {String contentContentExtractor.getContentByURL(http://news.xinhuanet.com/world/2014-11/02/c_127166728.htm);System.out.println(content);}根据html抽取网页的正文public static void main(String[] args) throws Exception {String html获取到的html源码;String contentContentExtractor.getContentByHtml(html);System.out.println(content);}导入项目(只适用于老版本新版本请前往WebCollector)从ContentExtractor的github主页https://github.com/hfut-dmic/ContentExtractor上下载ContentExtractor-{版本号}-bin.zip,将解压后得到的jar包全部放到工程的build path即可。ContentExtractor由合肥工业大学dmic团队开发为你推荐:
