Wallogit.com
2017-25 © Pedro Peláez
An efficient class library for extracting text from HTML.
An efficient class library for extracting text from HTML., (*1)
一个高效的从HTML中提取正文的类库。, (*2)
正文提取采用了基于文本密度的提取算法，支持从压缩的HTML文档中提取正文，每个页面平均提取时间为30ms，正确率在95%以上。, (*3)
安装包文件, (*4)
composer require "shiba/textractor:dev-master"
添加 ServiceProvider 到您项目 config/app.php 中的 providers 部分:, (*5)
shiba\Textractor\TextractorServiceProvider::class,
创建配置文件:, (*6)
php artisan vendor:publish --provider="shiba\Textractor\TextractorServiceProvider"
然后请修改 config/textractor.php 中对应的项即可。, (*7)
<?php
$url = 'http://news.163.com/17/0204/08/CCDTBQ9E000189FH.html';
// 创建提取实例
$textractor = new \Lukin\Textractor();
// 下载并解析文章
$article = $textractor->download($url)->parse();
printf('
URL: %s
' . PHP_EOL, $url);
printf('
Title: %s
' . PHP_EOL, $article->getTitle());
printf('
Publish: %s
' . PHP_EOL, $article->getPublishDate());
printf('
Text: %s
' . PHP_EOL, $article->getText());
printf('
Content: %s
' . PHP_EOL, $article->getHTML());
MIT, (*8)
An efficient class library for extracting text from HTML.
MIT
extractor article html2article