新闻网页正文通用抽取工具 Node.js 版本

[jason94]

上个月看到大佬发的/t/599166，国庆研究了一下代码和论文，把大佬的代码用 JavaScript 写了一遍，做了一些修改，目前感觉效果还可以。

下一步考虑在浏览器中运行。

repo: zenghongtu/general-news-extractor-js

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

[Sanko]

资瓷

[momocraft]

不是新闻网页（比如没有日期）也适用吗？

[cydian]

图片呢？

[0o0O0o0O0o]

早就想要了，感谢楼主。

整到了 cloudflare workers 上

```sh
$ curl -s -o test.html http://baijiahao.baidu.com/s?id=1646431966952708911

$ curl -s -X POST https://demo.extract.workers.dev/demo -d @test.html | jq
{
"title": "国庆黄金...000 万人次",
"author": "",
"publishTime": "10 月 4 日",
"content": "..."
}
```

[optional]

之前一直用 https://github.com/ahkimkoo/arex

[jason94]

@momocraft 不是日期的问题，算法不适用额

[zjiecode]

https://www.ithome.com/0/449/096.htm
抽取有问题

[jason94]

@mrjiejiejie 这篇应该正文太短了，最后算出来的分数低了一点，晚点我看看怎么修正