XsoupHTML抽取器
Xsoup是基于Jsoup开发的HTML抽取器，提供了XPath支持。
相比另一个常用的基于XPath的HTML抽取器HtmlCleaner，Xsoup有较大的性能优势，解析时间和抽取时间都只有HtmlCleaner的一半。同时Xsoup提供全面的XPath解析错误提示。
示例代码：
@Test
public void testSelect() {
String html = "<html><div><a href='https://github.com'>github.com</a></div></html>";
Document document = Jsoup.parse(html);
String result = Xsoup.select(document, "//a/@href").get();
Assert.assertEquals("https://github.com", result);
result = Xsoup.compile("//a/@href").evaluate(document).get();
Assert.assertEquals("https://github.com", result);
}
评论
GNE新闻网页正文通用抽取器
GNE是基于论文《基于文本及符号密度的网页正文提取方法》实现的新闻网页正文通用抽取器。在论文中描述的正文提取基础上，还增加了标题、发布时间和文章作者的自动化探测与提取功能。最后的输出效果如下图所示：本
GNE新闻网页正文通用抽取器
0
GNE-JS新闻网页正文通用抽取器
GNE-JS是基于论文《基于文本及符号密度的网页正文提取方法》实现的新闻网页正文通用抽取器。在论文中描述的正文提取基础上，还增加了标题、发布时间和文章作者的自动化探测与提取功能。该项目启发自 GNE，
GNE-JS新闻网页正文通用抽取器
0
chatgpt实现NLP基本任务（实体识别、关系抽取、属性抽取、事件抽取、文本分类）
向AI转型的程序员都关注了这个号👇👇👇基础函数一、实体识别抽取文本：驻港部队从1993年初开始组建，1996年1月28日组建完毕，1997年7月1日0时进驻香港，取代驻港英军接管香港防务，驻港军费均由中央人民政府负担。《中华人民共和国香港特别行政区驻军法》规定了驻香港部队的职责为防备和抵抗侵略，保卫
机器学习AI算法工程
10