万能的 V2EX 伙伴们，怎么实现抓取个人博客文章

[ChanghuiN]

例如：自己博客用的 hexo 模板，但是被其他网站抓取了好多，
还有：掘金上分享博客链接，之后博客文章就被抓取到掘金了。
还有：safari 浏览器中看博客，可以点击地址栏的预览，可以直接预览博客的文章
等等。。

这些是什么实现的吗？
通过选择固定的 class 来抓取网页？
但是我的 class 改了之后 safari 浏览器中依然可以预览。。

万能的 V2EX 伙伴们，有没有相关的技术方案，来讨论一下 ~

[creedowl]

之前研究过提取文章正文，发现有一些办法，比如计算文字密度

[dreasky]

找到标点符号最多的 div

[IvanLi127]

歪楼，我看成 万恶的 V2E....

[rekulas]

readability 算法了解一下

[Mogugugugu]

@dreasky 这个思路 不错😊

[zhangZMZ]

万能？看见这个词语解不解答了。
我的万能岂能让你知道，无知的凡人，哼╭(╯^╰)╮！

[yuanfnadi]

你把 class 的名字改成 footer 试试看


最近刚好在看 readability 的源码。


如果真的想抓 几乎不可能挡的住。

[Tink]

解析 dom 呗

[delectate]

常见的模板，写几个正则就够了，通吃 8 成网站；不常用的，readability。

[2010]

看网站写规则就行

[realpg]

@yuanfnadi #7
转成图片输出大法好

[yuanfnadi]

@realpg ocr 大法

[wuhuaji]

@rekulas 我真好也有此类需求，看到你说的 Readability，打开了思路，多谢：）

[huangfs]

一般会有一套的模版的。

[ChanghuiN]

@yuanfnadi mercury.postlight.com 这个网址，我通过 google 账号注册之后，为什么一直显示 YOUR KEY Fetching...
获取不到 KEY