內容檢測算法

我試圖重現由Clearly完成的網頁的「內容檢測」。內容檢測算法

給定一個網頁，我想自動區分文本內容，而不是文本菜單，文字廣告，文字按鈕等

適合什麼算法來檢測從HTML頁的文字內容？

[在StackOverflow的情況下，內容將是實際問題。其餘的只是「圍繞內容的鬆散」。]

2012-01-29 Randomblue

可能重複[什麼算法確實可讀性使用了從URL中提取文本？]（http://stackoverflow.com/questions/3652657/what-algorithm-does-readability-use-for-extracting -text-from-urls） – Regexident 2012-01-29 16:16:25

您可能會想看看Readability的算法。的

What algorithm does Readability use for extracting text from URLs?

來源

2012-01-29 16:16:06 Regexident

謝謝，那正是我需要的！ – Randomblue 2012-01-29 16:16:52

真棒，祝你好運！ – Regexident 2012-01-29 16:17:55

內容檢測算法

回答

相關問題