Gne Online:通用新闻网页正文在线提取

发表时间:2020-03-13

GNE [1] 是我开源的一个新闻网站正文通用抽取器,自发布以来得到了很多同学的好评。

一直以来,GNE 是以 Python 包的形式存在,要测试 GNE 的提取效果,需要使用 pip 先安装,再写代码使用。

为了降低测试 GNE 的成本,也为了让更多同学了解 GNE,测试 GNE,我开发了网页版的 GNE—— Gne Online

打开Gne Online 的地址为:http://122.51.39.219/,打开以后的页面如下图所示。

要测试 GNE 的功能,你只需要在最上面的文本框中粘贴网页源代码,并点击 提取 按钮即可:

对于标题、作者、新闻发布时间这种可能发送误提取的情况,我们可以通过下面对应的 Title XPath Author Publish Time XPath 来输入 XPath 定向提取。例如对于今日头条的文章:

新闻的作者提取失误,此时可以指定 XPath: //div[@class="article-sub"]/span[1]/text() 来定向提取,如下图所示。

通过设定 Host 输入框,可以在网页正文中的图片为相对路径时,拼上网址。

通过勾选下面的 With Body Html 复选框,可以返回正文所在的区域的网页源代码。

GNE 的更多使用说明,请参阅 官方文档 [2] 。

有了 Gne Online 以后,你再也不用提前准备 Python 环境了。

参考资料

[1]

GNE: https://github.com/kingname/GeneralNewsExtractor

[2]

官方文档: https://generalnewsextractor.readthedocs.io/zh_CN/latest/

文章来源互联网,如有侵权,请联系管理员删除。邮箱:417803890@qq.com / QQ:417803890

微配音

Python Free

邮箱:417803890@qq.com
QQ:417803890

皖ICP备19001818号
© 2019 copyright www.pythonf.cn - All rights reserved

微信扫一扫关注公众号:

联系方式

Python Free