Skip to content

TheresaQWQ/Web2Article

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

6 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

网页正文提取

使用方法:

const Web2Article = require('Web2Article');
const html = '<html>...</html>';

// 提取内容
const result = Web2Article.getContent(html);

// 提取章节列表
const result = Web2Article.getChapter(html);
  • 能适配大部分文章和小说页面
  • 提取出来的结果只包含正文部分
  • 不能用于提取前端渲染的页面(例如掘金)

性能

  • 1000次提取,平均耗时 14.656ms (参考 benchmark.js 文件)

ToDo

  • 提取文章标题
  • 提取下一页,上一页这一类小说页面的信息
  • 提取发布时间
  • 优化大量标签的情况下的性能
  • 优化一下代码质量,后续添加新功能可能会考虑分文件和发布npm包