V2EX › kingwkb 的所有回复 › 第 39 页 / 共 51 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

For Existing Member Sign In

1 ... 35 36 37 38 39 40 41 42 43 44 ... 51

❮

❯

2012 年 3 月 11 日

@kafka0102 恩，你说的的确是，基于视觉的算法应该是方向，但是如果是搜索引擎的内容提取，不能根据一个算法的，应该是多个算法结合，提取导航，正文，评论，等等这些对于有大量数据来说很容易，分析整个网站的html结构觉得比就单独分析一个页面要来的准确的多

2012 年 3 月 11 日

@kafka0102 不知道你这个算法有多复杂，但是在使用效果上面没觉得比readability好

2012 年 3 月 10 日

2012 年 3 月 9 日

@ywjno 这里还真不是编码问题，他的html不标准
<html\u3000xmlns:og="http://ogp.me/ns#"\u3000xmlns:fb="http://www.facebook.com/2008/fbml">

beautifulsoup无法解析，换了bs4，还是不行

2012 年 3 月 9 日

收不到验证邮件啊 gmail

2012 年 3 月 9 日

@mywaiting 这2天我捣鼓到github上面

@ywjno 给出url吧，这个情况貌似编码问题，应该是chardet编码检测错误导致的，看来还的先检查http header和html header，没有声明编码的情况下再用chardet

2012 年 3 月 9 日

国外电信都是写号的，所以不能直接使用

2012 年 3 月 9 日

@sohoer 那个s只是一个玩具，但是花了一个周末的时间做好之后就一直没管过他了，几年前研究过搜索，但工作一直跟这个没关系，所有很难坚持，这个牵扯的东西太多

2012 年 3 月 9 日

@lala 修复图片地址已经完成，欢迎测试，有问题可以反馈给我

2012 年 3 月 9 日

@mywaiting @lala 如果是全路径的话可以，我没有做补全路径，等等做上

通过大家的使用，刚才发现有视频的时候会有异常，现在解决了

发现异常的地址 http://yanghao.org/tools/readability?url=http%3A%2F%2Fcdc.tencent.com%2F%3Fp%3D5311

不知道这个是哪位朋友使用的

2012 年 3 月 9 日

dnspod

2012 年 3 月 9 日

@sobigfish 不是找H1，大概就是html标签统计权重加减的方法

2012 年 3 月 9 日

@bitsmix 额，因为他有客户端可以这么做

我么，就是学习学习他的算法，获取任何一个网页的主要内容，这个本身就很酷吧

2012 年 3 月 9 日

@hewigovens porting的意思是？