文件名称：pillage:从网页中提取内容和元数据
文件大小：190KB
文件格式：ZIP
更新时间：2024-07-26 03:08:09
JavaScript
Pillage 是一个非常棒的 Node.js 库，用于解析网页。 它使用baller算法 :latin_cross: 准确地识别网页的内容区域真的，真的，真的，真的……很有趣。 一旦我们有了内容区域，我们就可以解析出文本、图像、视频和其他媒体。 为了您的方便，我们还加入了很多简单的东西，比如 OG 标签。 :latin_cross: 它基本上搜索每个文本节点，然后递归地爬上父树，根据文本长度为每个父节点分配一个加权的“分数”。 当我们向上移动树时，该值Swift下降。 这是对所有文本节点完成的，因此权重累积以识别最可能的共享父节点。 一旦我们有了那个包装器，我们就可以做出假设并轻松解析出正文内容。 安装 npm install pillage 用法 var pillage = require ( 'pillage' ) ; // Fetch a URL and process pillage ( url , function