boilerpipepy:从 HTML 页面中删除样板和全文提取

锅炉管Py 从 HTML 页面中删除样板和全文提取 概括 样板库提供了算法来检测和删除网页主要文本内容周围多余的“混乱”（样板、模板）。 该项目是 Christian Kohlschütter 的 Java 库的原生 python 端口 算法 该库使用的算法基于（并扩展）了 Christian Kohlschütter 等人的论文“ ”的一些概念。 组件 一种 HTML 解析器，可将 HTML 转换为支持文本“块”的内部纯文本文档模型。 Python 版本使用快速解析器 几个过滤器组件分析并标记这些文本块 由一个或多个过滤器组成的提取器。 这种“管道”获取解析的文档对象并从中提取主要文本内容python版本atm中的一个提取器 一个 HTML 荧光笔，用于在输入页面的副本中直观地检查提取的主要内容。 不支持自动取款机 如何使用 以 url 作为参数简单运行 ./url2article.