有没有类似于 Safari 正文阅读模式的提取库推荐( Python )?

[douglas1997]

最近看到一些比较好的文章打算记录一下, Safari 阅读模式做的是十分出色的。我想的是只把图片留下标签, 其他的全部转为文本。

我已经尝试了 Readability, newspaper 和一些基于行块分布函数的通用网页正文抽取算法的代码, 感觉效果不太好(相对于 Safari 的阅读模式)。大家有什么好的库推荐没有呢?

谢谢。

[polythene]

安利一个我自己写的库： https://github.com/polyrabbit/hacker-news-digest/tree/master/page_content_extractor，目前我用它来提取 hacker news 上各种链接的正文，效果还挺好的。