从网络文章中提取内容并以一种很好的方式显示它们答案

【问题标题】：Extract content out web articles and display them in a nice way从网络文章中提取内容并以一种很好的方式显示它们
【发布时间】：2012-09-02 09:48:24
【问题描述】：

我正在尝试制作一些东西，允许人们从例如边缘的文章中输入网址。它所做的是读取 url/article 并以一种很好的方式显示它，比如可读性。但我真的被困住了，我无法在任何地方找到有关如何做到这一点的信息。有没有关于如何做到这一点的api。它实际上不是只扫描一篇文章，而是扫描整个 rss 提要。

【问题讨论】：

【解决方案1】：

您正在寻找boilerpipe。它应该完全符合您的要求。甚至还有一个 Web API。您还可以下载该模块并从 Python 脚本中使用它。

您可以在此处对您选择的文章进行测试：http://boilerpipe-web.appspot.com。只需选择 ArticleExtractor 作为提取器。

【讨论】：

【解决方案2】：

应该是最简单的方法：http://simplehtmldom.sourceforge.net/

您可以简单地使用 css/jquery 等定位元素

【讨论】：

【解决方案3】：

您可以使用正则表达式快速完成此操作，也可以导入 DOM。请注意，无论您使用正则表达式还是正确解析 DOM，适用于一个网站的解决方案不太可能适用于另一个网站。

【讨论】：