软件简介

html2article — 基于文本密度的html2article实现[golang]

Install

go get -u -v github.com/sundy-li/html2article

Performance

avg 3.2ms per article, accuracy >= 98%
(对比其他开源实现,可能是目前最快的html2article实现,我们测试的数据集约3kw来自于微信公众号,各大类中文科技媒体历史文章,目前能达到98%以上准确率)

Examples

参考examples from_url.go

package main

import (
    "github.com/sundy-li/html2article"
)

func main() {
    article, err := html2article.FromUrl("https://www.leiphone.com/news/201602/DsiQtR6c1jCu7iwA.html")
    if err != nil {
        panic(err)
    }
    println("article title is =>", article.Title)
    println("article publishtime is =>", article.Publishtime)
    println("article content is =>", article.Content)
}

Algorithm

• 参考论文

• Java实现