抓取單一網站網頁內容時通常採用正規比對的方式，但不同網站之間結構千奇百怪，很難用統一的正規表示式進行比對。 《基於行塊分佈函數的通用網頁正文抽取演算法》的作者總結了一般從網頁中提取文章正文的方法，提出基於行塊分佈的正文抽取演算法，並給出了 PHP 、Java 等實現。此演算法的主要原理基於兩點：1.正文區密度：在去除HTML中所有tag之後，正文區字元密度較高，較少出現多行空白；2、行塊長度：非正文區域的內容一般單獨標籤（行塊）中較短。演算法步驟如下：1、去除所有tag，包括樣式、Js腳本內容等，但保留原有的換行符\n2、將網頁內容按行分割，定義行塊$block_i$ 為第$[i, i + blockSize ]$ 行文字總和並給出行塊長度基於行號的分佈函數：3、正文出現在最長的行塊，截取兩邊至行塊長度為0 的範圍：4、如果需要提取正文區域出現的圖片，只需要在第一步驟去除tag時保留 簡介：抓取單一網站網頁內容時通常採用正規比對的方式，但不同網站之間結構千奇百怪，很難用統一的正規表達式進行比對。 《基於行塊分佈函數的通用網頁正文抽取演算法》的作者總結了一般從網頁中提取文章正文的方法，提出基於行塊分佈的正文抽取演算法，並給出了 PHP 、Java 等實現。這個演算法的主要原理是基於兩點： 簡介：php擷取網頁正文內容的範例。 php提取網頁正文內容的例子因為難點在於如何去識別並保留網頁中的文章部分，而且刪除其它無用的信息，並且要做到通用化，不能像火車 3. 網頁正文資訊一般儲存在哪裡_html/css_WEB-ITnose 簡介：網頁正文資訊一般儲存在哪裡 #4. php擷取網頁正文內容的範例 #簡介：php擷取網頁正文內容的範例。 php提取網頁正文內容的例子因為難點在於如何去識別並保留網頁中的文章部分，而且刪除其它無用的信息，並且要做到通用化，不能像火車 #簡介：平時打開一個網頁，除了文章的正文內容，通常會有一大堆的導航，廣告和其他方面的資訊。本文的目的，在於說明如何從一個網頁中提取出文章的正文內容，而過渡掉其他無關的資訊。 6. javascript 改變字體大小方法集合[原始]_javascript技巧 簡介：給網頁正文提供，小中大三種字型的切換功能。用js程式碼設定div style的fontSize屬性。 7. js取得dom的高度與寬度(可見區域及部分等等)_javascript技巧 簡介：網頁可見區域寬或高、網頁正文全文寬或高以及網頁正文部分左或右，詳細請看下文，希望對大家有所幫助 【相關問答推薦】 ： javascript - 印象筆記的Chrome 外掛程式剪藏的實作原理是什麼 以上是動態網站基礎入門教學推薦的詳細內容。更多資訊請關注PHP中文網其他相關文章！
