GNE 新闻网页正文通用抽取器

程序名称：GNE

授权协议: MIT

操作系统: 跨平台

开发语言: Python

GNE 介绍

GNE
是基于论文《基于文本及符号密度的网页正文提取方法》实现的新闻网页正文通用抽取器。

在论文中描述的正文提取基础上，还增加了标题、发布时间和文章作者的自动化探测与提取功能。

最后的输出效果如下图所示：

本项目取名为抽取器，而不是爬虫，是为了规避不必要的风险，因此，本项目的输入是 HTML，输出是一个字典。请自行使用恰当的方法获取目标网站的
HTML。

GNE 官网

https://github.com/kingname/GeneralNewsExtractor