zenghongtu / general-news-extractor-js

🤔一个新闻网页正文通用抽取器，包括标题、作者和日期。

general-news-extractor

一个新闻网页正文通用抽取工具，还有标题、作者和发布日期。

该项目启发自kingname/GeneralNewsExtractor，由 Python 迁移到 Node.js ，并做了一些改动，提高提取准确度。

Online DEMO

https://general-news-extractor-demo.stayin.cn/

Installation

Using npm:

npm i general-news-extractor

Usage

const GeneralNewsExtractor = require('general-news-extractor')

const htmlString = `` // HTML for a news page

const gne = new GeneralNewsExtractor()

// gne.extract( html: string, { titleSelector = '', authorSelector = '', dateTimeSelector = '', noiseNodeList = [] } = {})
const result = gne.extract(htmlString, {})

TODO

• Run in browser

Thanks

• kingname/GeneralNewsExtractor
• 基于文本及符号密度的网页正文提取方法 - **知网

License

MIT © zenghongtu