搜索资源列表
HTMLtoTXT
- 将HTML网页格式中的正文提取出来 主要是小说网上下载的打包小说
网页搜索引擎
- K-PageSearch是由Kwindsoft在2007年自主研发的专为行业、专类信息检索设计的网页搜索引擎。主要功能特点：网络蜘蛛、定向采集、正文提取、中文分词、全文索引、相关度排序、网页快照、相关搜索、竞价排名；后台数据库采用Microsoft SQL Server，静态化搜索系统设计采用XML数据岛缓存搜索结果提高系统的稳定性和性能、节省服务器资源减轻系统负担。 网络蜘蛛 K风蜘蛛组件包括三大功能模块：链接采集、网页分析、无效网页扫描； 自动识别GB2312、BIG5、UTF-8、Unic
ContentAnalyzer
- 搜索引擎正文提取程序，通过html分析和正则，去掉html代码，保留网页正文，只针对中文有效。英文稍加修改即可使用。-The body of the search engine extraction process, through analysis and regular html remove html code to retain the page text, only effective against the Chinese. Slightly modified to use Engl
joyhtml-0.2.2
- html正文提取，利用匹配来进行正文的抽取-html text extraction, the use of matching to carry out the extraction of the body
htmlparse
- 网页去标签算法，可以去除基本的常见的网页标签 从而达到正文提取-htmlparse （delete the tag of the html page）
html-extractor
- 发布一个HTML正文提取程序HTMLExtractor， 程序主要是基于内容统计的方法，暂不包含自学习能力，仅是 一个分析程序而以，网上也有别人实现了的正文提取程序，不过 大部人都当宝，都不愿意公开完整代码，有些大人实现了一些简 单的，不过分析能力和识别能力都不太理想。所以自己做了一个 简单的，本来想用PHP DOM分析器，不过大部份网页都不规范， 缺个标签啥的都很正常，所以自已又造了个简单的轮子分析HTML标 签，功能比较简单，每个元素都生成一个对象，内存方面占用比
Pro_Html
- 实现对HTML网页文件的主题内容的提取，主题包括<title>的内容，和正文的前10行内容-the code can be used to get the theme of the HTML.The conten is including of the title and the P.
Java-readability-master
- web 页面解析 1. web 页面抓取 2. html 正文提取-html context extractor
Html2Article-master
- NET平台下，一个高效的从Html中提取正文的工具。 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。-Under NET platform, an efficient tool to extract text Html in. Text extraction using a density-based text extraction algorithm, support extract text the
HtmlDBScanBuilder
- 从网页中提取正文，包括对网页源码的预处理，用聚类实现网页正文的提取。-extract text the html
Excel2html
- 将excel的内容转化为html格式，常用语邮件的excel提取为正文，用的jar是poi- Convert Excel to HTML
zb8
- 1、无限级多页采集，可以实现无限深度的采集 2、任务队列运行管理，支持Cron表达式 3、无限级分组任务管理，任务回收站功能 4、RSS地址采集功能 5、列表页分页采集获取功能 6、列表页附加参数获取功能 7、列表页及标签XPath可视化提取功能 8、标签纯正则替换功能 9、Http接口查看运行情况 10、导出记录为单个或多个Txt、html 文件 11、标签间自由组合功能 12、针对标签内容继续发送Http请求功能 13、无限级列表网址采集