【问题标题】:Noise removal from webpages [closed]从网页中去除噪音[关闭]
【发布时间】:2012-03-01 06:47:18
【问题描述】:

我正在尝试从网页中去除噪音。但由于我是新手,所以我不知道从哪里开始。 所以如果有人可以给我任何关于如何做的信息,那将非常有帮助。

噪音 - 链接、版权声明等

苏丹舒

【问题讨论】:

  • “一个人的垃圾就是另一个人的宝藏。”
  • “一个人的信号是另一个人的……呃比率?”克劳德·香农(Claude Shannon)将其全部固定下来。
  • 去噪是什么意思?你说的噪音是什么意思?你说的网页是什么意思?不要羞于分享信息。

标签: java web noise


【解决方案1】:

Boilerpipe 似乎是您所要求的:http://code.google.com/p/boilerpipe/

boilerpipe 库提供算法来检测和删除 主要文本周围的多余“杂乱”(样板,模板) 网页的内容。

该库已经为常见任务提供了特定策略(例如 例如:新闻文章提取),也可以很容易地扩展为 个别问题设置。

【讨论】:

    猜你喜欢
    • 1970-01-01
    • 2017-07-07
    • 2011-02-19
    • 1970-01-01
    • 2018-07-18
    • 1970-01-01
    • 2015-07-10
    • 2023-03-15
    • 1970-01-01
    相关资源
    最近更新 更多