想实现类似chrome插件clearly的效果（可以去下载体验下），提取网页正文文本，除去网页的导航，广告，链接等干扰阅读的因素（图片保留），总之是网页去噪，从而最大限度的仅仅提供真正对读者有价值的正文内容。

下图是是使用clearly前后对比效果，


如果哪位有这方面的经验，或者能提供类似的程序，或开源软件供参考，则不甚感激
100分相送，多谢。