.NET平台下，一个高效的从Html中提取正文的工具 - Html2Article

.NET平台下，一个高效的从Html中提取正文的工具。

正文提取采用了基于文本密度的提取算法，支持从压缩的Html文档中提取正文，每个页面平均提取时间为10ms，正确率到95%以上。

Html2Article有如下特点：

• 标签无关，提取正文不依赖标签。
• 支持从压缩的html文档中提取正文内容。
• 核心算法简洁高效，平均提取时间在20ms左右。

使用示例：

///   /// 文章正文数据模型  ///   public class Article  {      public string Title { get; set; }      public string Content { get; set; }      public DateTime PublishDate { get; set; }  }  // html为你要提取的html文本  string html = "....";  Article article = Html2Article.GetArticle(html);