繁体 English 中英

从博客文章中检测和提取文章内容/评论的最佳方法是什么

[英]What is the best way to detect and extract article content / comments from blog's article

原文 2011-08-23 20:03:14 8 2 java/ html/ detection/ article

我有博客文章（示例1 ，示例2 ）。 解析HTML并分别检测作者，标题，日期， 文章内容 ，评论的最佳方法是什么。 其他所有内容均应跳过。

2 个解决方案

您可能找不到想要的一切，但我认为Boilerpipe值得一看。

假设您的博客网站具有RSS feed，则可以使用Java的SAX Parser来遍历XML。

http://download.oracle.com/javase/1.4.2/docs/api/javax/xml/parsers/SAXParser.html

这是某人使用SAX解析器解析RSS的示例

http://javabeanz.wordpress.com/2007/07/25/rss-parser-sax/

如何使用Java从新闻文章中提取发布时间和文章内容？

[英]How to extract published-time and article-content from a news article using java?

从HTML提取文章标题（使用Boilerpipe）

[英]Extract article's headline from HTML(using Boilerpipe)

从一组HTML文件中提取表格内容的最佳方法是什么？

[英]What's the best way to extract table content from a group of HTML files?

jsoup-从Wikipedia文章中提取文本

[英]jsoup - extract text from wikipedia article

使用jsoup从博客中提取评论

[英]extract comments from blog using jsoup

哪种数据类型最适合在GAE数据库中存储文章（文本）

[英]What datatype is the best to store article(text) in GAE database

是否有任何工具可以从 Java 中的英文文本或文章中提取关键字？

[英]Is ther any tool to extract keywords from a English Text or Article In Java?

如何使用样板从HTML获取文章的主要内容？

[英]How to get the main content of an article from HTML using boilerplate?

Java：从Web内容Portlet获取文章ID

[英]Java : Getting the article id from a web content portlet

如何从许多网址网页获取文章内容

[英]HOW to get article content from many urls webpages

暂无

暂无

声明:本站的技术帖子网页，遵循CC BY-SA 4.0协议，如果您需要转载，请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.

相关问题 如何使用Java从新闻文章中提取发布时间和文章内容？从HTML提取文章标题（使用Boilerpipe）从一组HTML文件中提取表格内容的最佳方法是什么？ jsoup-从Wikipedia文章中提取文本使用jsoup从博客中提取评论哪种数据类型最适合在GAE数据库中存储文章（文本）是否有任何工具可以从 Java 中的英文文本或文章中提取关键字？如何使用样板从HTML获取文章的主要内容？ Java：从Web内容Portlet获取文章ID 如何从许多网址网页获取文章内容

相关标签

粤ICP备18138465号 © 2020-2024 STACKOOM.COM