如何使用Java从新闻文章中提取发布时间和文章内容？

Question

我必须从新闻链接中提取发布时间和文章内容。

例如：从此链接http://techcrunch.com/2013/03/19/jawbone-android/

我必须将发布时间和文章内容提取为

发布时间：昨天发布

文章内容：Jawbone今天宣布，该公司的运动跟踪腕带UP的应用现在可以在Google Play上免费下载为Android。 129美元的UP以前仅与iOS兼容。 腕带现在也可以购买……

Answer 1

我认为您可以使用jsoup

http://jsoup.org/

jsoup是一个用于处理实际HTML的Java库。 它提供了使用DOM，CSS和类似jquery的最好方法提取和处理数据的非常方便的API。

Answer 2

对于文章文本提取，您可以使用BoilerPipe

 ArticleExtractor extractor = ArticleExtractor.INSTANCE
 String articleText = extractor.getText(yourHTML);