3,056
社区成员
发帖
与我相关
我的任务
分享怎样解析网页中文章的标题和正文？
对于一篇网页中的文章，怎样解析得到它的标题和正文呢？尤其是怎样得到正文？（注意要的不是HTML源文件中的<TITLE>...<TITLE>和<BODY>...<BODY>部分）
比如 http://www.csdn.net/news/newstopic/14/14098.shtml 中的文章，
其标题应该是“Sun中国工程院明年投入1.5亿 主攻3G等五方向”，
其正文应该是“Sun公司……技术应用中心。”
怎样通过程序解析得到呢？谢谢！
比如 http://www.csdn.net/news/newstopic/14/14098.shtml 中的文章，
其标题应该是“Sun中国工程院明年投入1.5亿 主攻3G等五方向”，
其正文应该是“Sun公司……技术应用中心。”
怎样通过程序解析得到呢？谢谢！
...全文
请发表友善的回复…
发表回复
114sky 2003-12-14
- 打赏
- 举报
jiangsheng(蒋晟.Net) ( ) 把问题复杂话了。自己做个html的解析器就可以
114sky 2003-12-14
- 打赏
- 举报
我就能做到。
hz张三 2003-11-21
- 打赏
- 举报
不一定一定要用IHtmlDoc
hz张三 2003-11-21
- 打赏
- 举报
呵呵，看你自己字符串解析的功力了~~~~~~
t0mychen 2003-11-20
- 打赏
- 举报
做一个指定的页面差不多，如果想做到，对任何一个网页，那很难，而且不见得能做得出来
sunyanzi 2003-11-20
- 打赏
- 举报
我想大家可能误解我的意思了，我要的是一种方法，能够去除页面文字中无用的部分，例如与文章无用的链接等。
比如就本网页来说，我要的是大家的回答内容，而不需要其它的如“人才招聘 — 山东山大联润信息... 国风因特软件（北...”等这些东西。
有点类似搜索引擎的功能，搜索引擎应该是在文章正文中搜索要匹配的查询项目，而不会在页面文字的其它部分（如其它链接）去搜索，因为那样毫无意义。
但是也不能凡是链接部分都去掉，因为文章正文部分也可能含有文字链接。
网上的网页千差万别，能有什么好的算法能够比较智能、准确的解析出文章正文吗？
比如就本网页来说，我要的是大家的回答内容，而不需要其它的如“人才招聘 — 山东山大联润信息... 国风因特软件（北...”等这些东西。
有点类似搜索引擎的功能，搜索引擎应该是在文章正文中搜索要匹配的查询项目，而不会在页面文字的其它部分（如其它链接）去搜索，因为那样毫无意义。
但是也不能凡是链接部分都去掉，因为文章正文部分也可能含有文字链接。
网上的网页千差万别，能有什么好的算法能够比较智能、准确的解析出文章正文吗？
xsc2001 2003-11-20
- 打赏
- 举报
这个问题就是解析HTML文本的过程，你只要对HTML比较了解，就很好取出来的！
cityyokel 2003-11-20
- 打赏
- 举报
如果是用XML Scheme生成的页面应该容易一些吧，首先从scheme入手，再去解析目标页面。
个人意见
个人意见
蒋晟 2003-11-19
- 打赏
- 举报
http://www.csdn.net/develop/read_article.asp?id=21702
查看源代码功能部分有HTML解析
查看源代码功能部分有HTML解析
lanfanghelanfanghe 2003-11-19
- 打赏
- 举报
接分来了！！
