pillage:从网页中提取内容和元数据

Pillage是一个非常棒的Node.js库，用于解析网页。它使用baller算法准确地识别网页的内容区域，真的非常有趣。一旦我们有了内容区域，我们就可以解析出文本、图像、视频和其他媒体。为了方便使用，还加入了简单的功能，比如OG标签。它基本上搜索每个文本节点，然后递归地爬上父树，根据文本长度为每个父节点分配一个加权的分数。随着我们向上移动树，该值迅速下降。这是对所有文本节点完成的，因此权重累积以识别最可能的共享父节点。一旦识别出包装器，我们可以做出假设并轻松解析正文内容。安装：npm install pillage。用法：var pillage = require('pillage'); pillage(url, function)