正文提取的库（算法），大家有成熟的解决方案么

[phithon]

想求一个提取文章正文的库或算法， python 的。
主要用在采集上，采集下来的东西准备去掉没用的头和尾，只保留正文。印象笔记有个浏览器扩展，点一下自动采集正文的，感觉准确度还不错，不知道 python 有此类解决方案没有？

[binux]

http://lmgtfy.com/?q=%E6%AD%A3%E6%96%87%E6%8F%90%E5%8F%96%E7%9A%84%E5%BA%93+python

[qq316107934]

@binux 哈哈哈，笑死了

[northisland]

找个 apache tika 教程看看，符不符合需求

[HFcbyqP0iVO5KM05]

搜啦，点开第一个又到这里来了😂

[Yinz]

讲道理 V2EX 的 SEO 是真的强

[liteneo]

readability

[zero0x00]

p 牛~

[dcsite]

这是月经贴吗？每个月都有人问这个问题~

[TKKONE]

@binux 6666 这个那么牛逼

[Matrixlee]

@binux 笑死啦

[bearsiji]

https://github.com/codelucas/newspaper/
不谢

[kepenj]

@binux 6666

[Chyroc]

@Yinz 讲道理，在 v 站发了个帖子，过了几分钟去 google 答案，直接搜到了自己的帖子

[Owenjia]

也可以试下 newspaper 的，准备加功能了么这是……

[phithon]

@Owenjia wiki.ioin.in 新功能已经加上了，把链接都采集一下，用的 readability ，不过还是有些误差，需要自己对源码稍微修改