网站建设资讯

NEWS

网站建设资讯

Gne如何提取新闻网页

Gne如何提取新闻网页,相信很多没有经验的人对此束手无策,为此本文总结了问题出现的原因和解决方法,通过这篇文章希望你能解决这个问题。

为汪清等地区用户提供了全套网页设计制作服务,及汪清网站建设行业解决方案。主营业务为成都网站制作、网站设计、外贸网站建设、汪清网站设计,以传统方式定制建设网站,并提供域名空间备案等一条龙服务,秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求,就会得到认可,从而选择与我们长期合作。这样,我们也可以走得更远!

GNE[1]是我开源的一个新闻网站正文通用抽取器,自发布以来得到了很多同学的好评。

一直以来,GNE 是以 Python 包的形式存在,要测试 GNE 的提取效果,需要使用 pip 先安装,再写代码使用。

为了降低测试 GNE 的成本,也为了让更多同学了解 GNE,测试 GNE,我开发了网页版的 GNE——Gne Online

打开Gne Online 的地址为:http://122.51.39.219/,打开以后的页面如下图所示。

Gne如何提取新闻网页  

要测试 GNE 的功能,你只需要在最上面的文本框中粘贴网页源代码,并点击提取按钮即可:

Gne如何提取新闻网页  

对于标题、作者、新闻发布时间这种可能发送误提取的情况,我们可以通过下面对应的Title XPathAuthorPublish Time XPath来输入 XPath 定向提取。例如对于今日头条的文章:

Gne如何提取新闻网页  

新闻的作者提取失误,此时可以指定 XPath://div[@class="article-sub"]/span[1]/text()来定向提取,如下图所示。

Gne如何提取新闻网页  

通过设定Host输入框,可以在网页正文中的图片为相对路径时,拼上网址。

通过勾选下面的With Body Html复选框,可以返回正文所在的区域的网页源代码。

看完上述内容,你们掌握Gne如何提取新闻网页的方法了吗?如果还想学到更多技能或想了解更多相关内容,欢迎关注创新互联行业资讯频道,感谢各位的阅读!


网页名称:Gne如何提取新闻网页
标题来源:http://njwzjz.com/article/jdhjoe.html