正文抽取的开源项目
jopen
9年前
正文抽取的开源代码：
基于文本密度的html2article:http://www.cnblogs.com/jasondan/p/3497757.html
基于标签比例的机器学习Dragnet： https://github.com/seomoz/dragnet
专注新闻类网页提取的Newspaper： https://github.com/codelucas/newspaper
集成goose等三种算法的readbilitybundle：https://github.com/srijiths/readabilityBUNDLE
