AdvertCN - 广告中国

 找回密码
 立即注册

QQ登录

只需一步,快速开始

Binom
 谷歌+Bing+TT+MSN官方代理 
⚡️按条S5代理⚡️静态⚡️独享⚡️5G⚡️最干净<Wifi住宅+5G移动>IP代理指纹浏览器,就用AdsPower
Mediabuy⚡️玩家开户首选【鲁班跨境通-自助充值转账】FB/GG/TT❤️官方免费开户Affiliate 全媒体流量资源⚡️
Taboola/Outbrain /Bing⚡️一级代理开户投流-7*24h❤️人工在线【官方】❤️搜索套利广告开户独立站⚡️开户投放
DuoPlus专注打造跨境电商云手机E.PN 虚拟卡BINOM TRACKER 60% OFF!比Adplexity还好用的Spy工具
MediaGo+Taboola+Ob开户百度国际MediaGo⚡️让产品狂奔全球百度国际,高点击转化,快速放量百度国际MediaGo,独家原生流量
ADPLEXITY + ADVERTCN7200W全球动态不重复住宅IP代理虚拟信用卡+独立站收款全球虚拟卡, 支持U充值
Facebook 批量上广告尤里改 - FB 稳定投放免费黑五教程(持续更新、欢迎交流)FB 三不限源头 - 自助下户充值转款
各种主页、账单户、BM户(优势)⚡️个人户,bm户不限额,账单户一手BM分享户不限额9Proxy ⚡️ $0.04/IP, 无限带宽
FB二三解0.1元一个虚拟卡|PTM星际卡FB专用虚拟卡Google、Bing官方总代  联盟流量开户
FB账号资源/稳定靠谱/运行5年啦FB开户代投/三不限/白名单fb耐用号0.01一个fb账号官方合作商
搜索套利开户❤️Bigo/Kwai/MediagoFB资源,账单户,分享户,国内一手FB企业户BM户账单户源头广告位出租
查看: 6526|回复: 9

[软件工具] 一个开源的正文提取程序

[复制链接]

19

主题

290

广告币

532

积分

中级会员

Rank: 3Rank: 3

积分
532

社区QQ达人

发表于 2013-9-28 19:08:26 | 显示全部楼层 |阅读模式
本帖最后由 finder 于 2014-12-28 11:24 编辑
. S) Z: D+ c7 v5 Y0 Y
( S6 L$ G8 W4 [* N   最近尝试一些伪原创的东西,那么第一步就是要根据策略从一定的数据源抓取信息,然后整合,替换近义词,打乱什么的,% N! i! R- U5 H5 _
做的过程中,发现了一个非常不错的开源的PHP正文提取的开源程序,可以将正文内容提取出来,准确率还不错,尤其是对blog之类的,文章里的图片也没问题
+ j; W* c' m: O  S! v1 }有篇blog对这个介绍的比较详细,我就不在这里赘述了8 {7 m: o/ ~4 D) g
1 U( o3 \: a% w' O: U# `
这里可以看详细的介绍以及DEMO :
  1. http://urlshort.shuaizhu.com/1k2
复制代码
这里你可以输入一个URL进行测试:
  1. http://urlshort.shuaizhu.com/1k3
复制代码
这里你可以直接下载程序安装到本地:
  1. http://urlshort.shuaizhu.com/1k4
复制代码
PS:
& u' ^7 E8 _4 u8 V
4 r4 R3 ~5 Q9 P+ y6 W& X( P. K2013年09月29日17:47:27 补充 1 h3 |: Y9 q: C, C% X$ R5 x
4 J6 f# s( {" }# u7 H8 D' X. D7 u" d
) S8 F5 O/ t. y+ w7 }) i1 ^5 `! B
: j' v+ P+ W4 @  O
我今天发现,这个自带了HTML格式预览和json结构返回2种功能,之前没有仔细读readme,也没仔细看代码
$ P+ f6 g! o6 i$ \5 H3 I1 Y% Q9 C0 ~, `. R
( I( k: s; f" a# m: q+ s1 Q1 C  Z# L
只需要在调用的url中加上  &type=json  即可以json格式返回提取的正文/标题/url !!!4 ~8 n; C, V) S3 M% r( \  d. X0 f( B" y

7 A4 _" M* o3 b1 R+ `* z/ A: l  J
; Q: p4 m7 Q* Y

评分

参与人数 3广告币 +6 收起 理由
JasonLee + 2 很给力!
雷克傻死 + 2 NB!
阴天的下午 + 2 赞一个!

查看全部评分

相关帖子
回复

使用道具 举报

19

主题

290

广告币

532

积分

中级会员

Rank: 3Rank: 3

积分
532

社区QQ达人

 楼主| 发表于 2013-9-28 22:18:29 | 显示全部楼层
感谢 @mj23zyb  帮我编辑URL格式,以前论坛用的少,这个还不太熟,以后我会注意
回复 支持 反对

使用道具 举报

63

主题

418

广告币

635

积分

中级会员

Rank: 3Rank: 3

积分
635

社区QQ达人

发表于 2013-9-28 22:31:06 | 显示全部楼层
不错,好东西,刚试试了下网页版的还可以,不知道工具有无批量转换的功能。
回复 支持 反对

使用道具 举报

19

主题

290

广告币

532

积分

中级会员

Rank: 3Rank: 3

积分
532

社区QQ达人

 楼主| 发表于 2013-9-28 22:35:44 | 显示全部楼层
阴天的下午 发表于 2013-9-28 22:31 / p+ r+ S) j+ E. @2 _
不错,好东西,刚试试了下网页版的还可以,不知道工具有无批量转换的功能。 ...
5 Q' K( a: t  ?" E' v
这个东西做一个接口非常容易的7 H) @  C; _* R+ ^; B& ~" T
       $title   = $Data['title'];6 ^, X2 c( b4 l7 j
        $content = $Data['content'];: j: L3 d6 Q' y3 [) {6 K# _9 L, N' X
        include 'template/reader.html';
. R! k+ s( C  \这是index.php的最后的部分,只需要把include所在的一行注释掉,然后加一行5 S& C- N7 s  D; y
        echo json_encode($Data);" X0 d" e7 y8 t, Y; i  T
就可以以json格式返回,那么需要批量的时候,直接每次调取就可以了7 E$ e& e" i% t$ x- w
如果还不清楚,可以继续问  n  V2 h6 N3 w
回复 支持 反对

使用道具 举报

54

主题

9

广告币

6010

积分

禁止访问

积分
6010
发表于 2013-9-29 07:55:00 | 显示全部楼层
自从用过这个之后,自己用的模板就全修改了一遍
回复 支持 反对

使用道具 举报

43

主题

1108

广告币

1474

积分

高级会员

Rank: 4

积分
1474

社区QQ达人

发表于 2013-9-29 10:32:56 | 显示全部楼层
感谢 真心很不错的 希望楼主以后能继续分享类似的
回复 支持 反对

使用道具 举报

19

主题

290

广告币

532

积分

中级会员

Rank: 3Rank: 3

积分
532

社区QQ达人

 楼主| 发表于 2013-9-29 11:07:47 | 显示全部楼层
阿百川 发表于 2013-9-29 07:55 . K$ k) J0 E. g+ A. }2 H7 i5 ], l
自从用过这个之后,自己用的模板就全修改了一遍
6 q, o/ _1 d8 ^8 L
什么意思呢? 为什么要修改模板
回复 支持 反对

使用道具 举报

54

主题

9

广告币

6010

积分

禁止访问

积分
6010
发表于 2013-9-29 11:42:16 | 显示全部楼层
bjzhush 发表于 2013-9-29 11:07
5 o7 C' Q* |1 W/ T什么意思呢? 为什么要修改模板

- X2 l7 @9 T. U. A0 M$ |防止被这种程序提取内容
回复 支持 反对

使用道具 举报

19

主题

290

广告币

532

积分

中级会员

Rank: 3Rank: 3

积分
532

社区QQ达人

 楼主| 发表于 2013-9-29 11:53:13 | 显示全部楼层
阿百川 发表于 2013-9-29 11:42   ^$ |) [6 l, _6 Z6 H* N+ h
防止被这种程序提取内容

3 w5 w" G1 W) ^真的要扒你的站,你是防不住的
+ n- j' s) U4 N+ Z8 W1 j6 S6 U不怕贼偷,就怕贼惦记,哈哈
回复 支持 反对

使用道具 举报

19

主题

290

广告币

532

积分

中级会员

Rank: 3Rank: 3

积分
532

社区QQ达人

 楼主| 发表于 2013-9-29 17:48:25 | 显示全部楼层
阴天的下午 发表于 2013-9-28 22:31
6 e6 U- E( ]$ Z9 |不错,好东西,刚试试了下网页版的还可以,不知道工具有无批量转换的功能。 ...
% Z, p! r0 x3 \2 h1 }! u" b& D# T
我今天发现,这个自带了HTML格式预览和json结构返回2种功能,之前没有仔细读readme,也没仔细看代码
- C0 R# o2 ]  r" A8 \
+ l! g7 P3 i$ {% e# k$ `* _
4 l/ H: c) W) D% Q/ b% N1 O只需要在调用的url中加上  &type=json  即可以json格式返回提取的正文/标题/url !!: H0 J; E' R- S* l

* M/ Y; R) S' ?! ?  {: H8 S2 G) `今天刚刚发现的  
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关于我们|联系我们|DMCA|广告服务|小黑屋|手机版|Archiver|Github|网站地图|AdvertCN

GMT+8, 2024-12-22 21:08 , Processed in 0.048647 second(s), 14 queries , Gzip On, MemCache On.

Copyright © 2001-2023, AdvertCN

Proudly Operating in Hong Kong.

快速回复 返回顶部 返回列表