111,131
社区成员
发帖
与我相关
我的任务
分享如何通过算法来提取网页当中的正文？
如何通过算法来提取网页当中的正文？
说出思路就可以了?
也就说我发了一个贴子，我要将帖子当中的正文提取出来，这个应该如何来实现呢？
说出思路就可以了?
也就说我发了一个贴子，我要将帖子当中的正文提取出来，这个应该如何来实现呢？
...全文
请发表友善的回复…
发表回复
jinjazz 2009-02-06
- 打赏
- 举报
正则表达式，具体问题具体分析
xhlnb 2009-02-05
- 打赏
- 举报
百度搜索去，采集方面的资料。
podvcd 2009-02-05
- 打赏
- 举报
webrequest 获得字符创
正则 获得<body>和</body>之间的 这样的就可以了 当然具体就像楼上说的 可能是div 可能是table
正则 获得<body>和</body>之间的 这样的就可以了 当然具体就像楼上说的 可能是div 可能是table
podvcd 2009-02-05
- 打赏
- 举报
webrequest 获得字符创
正则 获得<body>和</body>之间的 这样的就可以了 当然具体就像楼上说的 可能是div 可能是table
正则 获得<body>和</body>之间的 这样的就可以了 当然具体就像楼上说的 可能是div 可能是table
cpio 2009-02-05
- 打赏
- 举报
一般来说帖子内容前后的标签与其它的都不一样，可以使用这种方法来找，如果前后的标签有小变化，可经结合正则表达式。
先找到帖子内容前面的标签，再从那儿开始找后面的标签，中间的内容就是正文
比如
<div id="content_1233" class="xx">内容</div>
这样的话，就可以找<div id="content_字样的，然后再找到</div>，中间的就是内容了
先找到帖子内容前面的标签，再从那儿开始找后面的标签，中间的内容就是正文
比如
<div id="content_1233" class="xx">内容</div>
这样的话，就可以找<div id="content_字样的，然后再找到</div>，中间的就是内容了
