提取网页正文大家有没有准确率高点的算法

[ququzone]

[ququzone]

http://code.google.com/p/cx-extractor/ 这个是我目前在用的算法

[justfindu]

@ququzone 我擦 好理论~ 的确可以准确度很高的搞定~

[sohoer]

感谢分享，也正在寻找。

[mywaiting]

虽不明，但觉厉～

[cctvsmg]

可以参考下印象笔记的剪藏插件

[yushiro]

还有一种是readability的方法， 适合提取英文的HTML正文， 对中文支持不是很好（至少以前是这样， 现在不清楚）

[ququzone]

@justfindu
@sohoer
@mywaiting
看来还是有人对这个有需求，我把目前简单的实现开源出来供大家参考：
https://github.com/ququzone/html-extracor