#网页提取

ginobefun

1个月前

Defuddle ( ) 是一个开源的 JavaScript 库，用于提取网页的主要内容和元数据。它可以移除评论、侧边栏、页眉、页脚等无关元素，仅保留正文，并以干净的 HTML 或 Markdown 格式输出。其主要特性包括： - 更宽松的提取策略：与 Mozilla 的 Readability.js 相比，它倾向于保留更多可能有效的信息，避免过度删除。 - 一致的输出格式：能够以标准化的格式输出内容，包括脚注、数学公式、代码块等。 - 丰富的元数据：可以提取包括数据在内的更多元数据。 - 利用移动端样式：通过分析页面的移动版样式来辅助判断哪些元素是不必要的。 - 多样化的使用方式：可以在浏览器环境和 Node.js 环境中使用。它也是 Obsidian Web Clipper 的一部分，并且可以作为书签工具 (bookmarklet) 使用。

#Defuddle #开源库 #JavaScript #网页提取 #元数据 #信息提取 #Readability.js #技术工具