新闻网页正文通用抽取工具 Node.js 版本

爱意满满的作品展示区。

This topic created in 2438 days ago, the information mentioned may be changed or developed.

上个月看到大佬发的/t/599166，国庆研究了一下代码和论文，把大佬的代码用 JavaScript 写了一遍，做了一些修改，目前感觉效果还可以。

下一步考虑在浏览器中运行。

8 replies • 2019-10-11 11:28:41 +08:00

Sanko

Oct 9, 2019 via Android

资瓷

momocraft

Oct 9, 2019

不是新闻网页（比如没有日期）也适用吗？

cydian

Oct 9, 2019 via Android

图片呢？

0o0O0o0O0o

Oct 9, 2019

早就想要了，感谢楼主。

整到了 cloudflare workers 上

```sh
$ curl -s -o test.html http://baijiahao.baidu.com/s?id=1646431966952708911

$ curl -s -X POST https://demo.extract.workers.dev/demo -d @test.html | jq
{
"title": "国庆黄金...000 万人次",
"author": "",
"publishTime": "10 月 4 日",
"content": "..."
}
```

optional

Oct 9, 2019

jason94

Oct 10, 2019 via Android

@momocraft 不是日期的问题，算法不适用额

zjiecode

Oct 11, 2019

jason94

Oct 11, 2019

@mrjiejiejie 这篇应该正文太短了，最后算出来的分数低了一点，晚点我看看怎么修正