亚洲城娱乐如何一个通用的方法取得大部分文章的标题及内容

( 亚洲城娱乐 )

一个能够识别大部分文章的标题及内容的方法

提取标题 自动去掉网站名称

1.首先从<title>我是一个标题 - 网站名称</title>提取我是一个标题 - 网站名称
2.然后透过搜寻<h1>-<h6>或div.title 包含 我是一个标题 的标签 去掉 - 网站名称
3.最后取得排除掉网站名称的标题 我是一个标题

识别文章内容文字

感觉识别文章就比较困难了
透過divpbr標籤的數量多少判斷该div是否文章内容

大神有识别文章内容没有更好的方案?

更新

找到這個 http://segmentfault.com/a/1190000000362182

(看完/读完)这篇文章有何感想! 亚洲城娱乐的分享…

发表评论

电子邮件地址不会被公开。 必填项已用*标注