谷歌云自然语言 API 分类明文与 Html

Question

我想使用 Google Natural Language API 对查询结果进行分类：Classifying content

我要分类的查询结果有 HTML 和纯文本格式。 official documentation 表示 API 接受 Document.Type.PLAIN_TEXT 和 Document.Type.HTML 两种类型。

因为 HTML 格式有额外的注释，例如<b>important text</b>，我想知道哪种格式更能达到最好的分类结果？

Answer 1

（不确定此响应是否仍然有用。） 有时 html 页面在主要中心部分周围有很多不重要的部分。这些很容易影响内容的分类（例如围绕主要内容的广告）。 API 中的 html 处理基本上试图修剪这些部分，只处理主要部分。如果你的 html 文件需要这种类型的处理，调用 API 时最好使用 HTML 类型。