内容检测算法

问题描述：

我试图重现由Clearly完成的网页的“内容检测”。内容检测算法

给定一个网页，我想自动区分文本内容，而不是文本菜单，文字广告，文字按钮等

适合什么算法来检测从HTML页的文字内容？

[在StackOverflow的情况下，内容将是实际问题。其余的只是“围绕内容的松散”。]

可能重复[什么算法确实可读性使用了从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

答

您可能会想看看Readability的算法。的

What algorithm does Readability use for extracting text from URLs?

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

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

相关推荐