如何使用样板从HTML获取文章的主要内容？

Question

我正在尝试使用样板代码从HTML获取文章的主要内容。

从这里下载最新的罐子。

我正在尝试使用以下代码：

String article = "";
try {
    article = ArticleExtractor.INSTANCE.getText(url);   
    System.out.println("Article ++++ >>" + article);    
} catch (BoilerpipeProcessingException e) {
    // TODO Auto-generated catch block
    e.printStackTrace();
}

但这会为每个URL返回一个空字符串 。 谁可以帮我这个事？

Answer 1

您是否尝试过传递HTML本身而不是URL？ 也许您的url字符串格式设置方式存在问题。