Html2Article 介绍
.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30ms,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。
-
支持带标签输出原始正文。
-
核心算法简洁高效,平均提取时间在30ms左右。
使用示例:
/// <summary> /// 文章正文数据模型 /// </summary> public class Article { public string Title { get; set; } /// <summary> /// 正文文本 /// </summary> public string Content { get; set; } /// <summary> /// 带标签正文 /// </summary> public string ContentWithTags { get; set; } public DateTime PublishDate { get; set; } } // html为你要提取的html文本 string html = "<html>....<html>"; Article article = Html2Article.GetArticle(html);
Html2Article 官网
http://blog.zhaishidan.cn/Html2Article/
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。