cx-extractor 通用网页正文抽取

授权协议：未知操作系统：跨平台开发语言：Java C/C++ PHP Perl

基于行块分布函数的通用网页正文抽取：线性时间、不建DOM树、与HTML标签无关对于Web信息检索来说，网页正文抽取是后续处理的关键。虽然使用正则表达式可以准确的抽取某一固定格式的页面，但面对...