如何使用样板从 HTML 中获取文章的主要内容？

Question

我正在尝试使用 boilerpipe 代码从 HTML 中获取文章的主要内容。

已从 here 下载最新的 jar。

我正在尝试使用以下代码：

String article = "";
try {
    article = ArticleExtractor.INSTANCE.getText(url);   
    System.out.println("Article ++++ >>" + article);    
} catch (BoilerpipeProcessingException e) {
    // TODO Auto-generated catch block
    e.printStackTrace();
}

但是这个 returns 每个 URL 都是一个空字符串。谁能帮我解决这个问题？

Answer 1

您是否尝试传递 HTML 本身而不是 url？或者您的 url 字符串的格式化方式可能存在问题。

如何使用样板从 HTML 中获取文章的主要内容？

How to get the main content of an article from HTML using boilerplate?

java

summarization

boilerpipe