简介
CotetExtractor是一个开源的网页正文抽取工具，用JAVA实现，具有非常高的抽取精度。
项目地址转移
项目已和WebCollector合并，当前项目为老版本CotetExtractor,请前往WebCollector项目查看CotetExtractor的最新版本源码和API。
教程(只适用于老版本，新版本请前往WebCollector)
CotetExtractor的接口非常简单，用户可以根据网页的url，或者网页的html，来进行网页正文抽取：
根据url，抽取网页的正文：
public static void mai(Strig[] args) throws Exceptio { Strig cotet=CotetExtractor.getCotetByURL("https://ews. xihuaet.com/world/2014-11/02/c_127166728.htm"); System.out.pritl(cotet);}根据html，抽取网页的正文：
public static void mai(Strig[] args) throws Exceptio { Strig html="获取到的html源码"; Strig cotet=CotetExtractor.getCotetByHtml(html); System.out.pritl(cotet);}导入项目(只适用于老版本，新版本请前往WebCollector)
从CotetExtractor的github主页https://github.com/hfut-dmic/CotetExtractor上下载CotetExtractor-{版本号}-bi.zip,将解压后得到的jar包全部放到工程的buildpath即可。
CotetExtractor由合肥工业大学dmic团队开发
Git@OSC：https://git.oschia.et/webcollector/CotetExtractor
评论