CruxHTML 正文内容提取库
Crux 是一个 HTML 正文内容提取库，它通过分析 Web 页面，以确定一篇文章的关键内容。该库由多个独立的 API 组成，可随意选择想使用的那个。比如说，如果你在 Android 应用中使用 Crux ，则可以使用 Proguard 或其他压缩工具来去除不需要的部分。
文章提取 API ：
-
可格式化提取内容丰富，不限于纯文本。
-
支持更多的网站和更好的页面整体解析。
-
支持更多的元数据格式：OpenGraph， Twitter Cards，Schema.org 等
-
占用空间小，JSoup 是唯一需要的依赖项。
-
更少的 setters/getters，简单易用
-
能够使用默认的 HttpUrlConnection 之外的 HTTP 库，例如 OkHttp 。
-
代码简洁
-
高度支持通过 Gradle 导入 Android Studio 项目
-
持续集成单元测试和 golden file 测试。
示例代码：
在后台线程中，发出网络请求并获取想要分析的页面的 rawHTML 。
String url = "https://example.com/article.html"; String rawHTML = "<html><body><h1>This is an article</h1></body></html>"; Article article = ArticleExtractor.with(url, rawHTML) .extractMetadata() .extractContent() // If you only need metadata, you can skip `.extractContent()` .article();
在 UI 线程上：
// Use article.document, article.title, etc.
评论