Html网页正文提取 Html2Article.zip

时间：2022-08-07 06:20:59
【文件属性】：

文件名称：Html网页正文提取 Html2Article.zip

文件大小：213KB

文件格式：ZIP

更新时间：2022-08-07 06:20:59

开源项目

.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： /// 

/// 文章正文数据模型 ///  public class Article {     public string Title { get; set; }     ///      /// 正文文本     ///      public string Content { get; set; }     ///      /// 带标签正文     ///      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); 标签：网页提取  网页正文提取

立即下载

【文件预览】：
Html2Article-master
----License.md(592B)
----.nuget()
--------NuGet.targets(7KB)
--------NuGet.Config(164B)
----src()
--------Demo()
--------Html2Article()
--------Html2Article.Test()
----.tfignore(5B)
----Html2Article.sln(4KB)
----.gitignore(227B)
----Html2Article.nuspec(966B)
----README.md(2KB)
----packages()
--------repositories.config(137B)
--------NUnit.2.6.2()

网友评论

相关文章