一、源码特点1、标签无关,提取正文不依赖标签。2、支持从压缩的html文档中提取正文内容。3、支持带标签输出原始正文。4、核心算法简洁高效,平均提取时间在30ms左右。二、功能介绍.NET平台下,
开题报告,一个高效的从Html中提取正文的工具。正文提取利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。三、注意1、Html2Article类是提取正文的核心类2、Html2Article配置说明(1)AppendMode:是否使用正文追加模式,默认为false,设置为true会将更多符合条件的文本添加到正文。(2)Depth:分析的深度,默认为5,对于行空隙较大的页面可增加此值。(3)LimitCount:字符限定数,当分析的文本数量达到限定数则认为进入正文内容,
论文,默认为180个字符。(4)GetArticle(stringhtml):从Html文本中获取Article。