我正在通过python测试Apache Tika REST Api是否解析HTML文件。一切正常，只有一件事。 <noscript>标签的内部也被解析为文本，并且我的文本中包含一些CSS样式内容，这是不希望的。同样，<div style="display:none">的主体也被提取。是否可以在Tika rest API中将某些html标签列入黑名单？
答案 0 :(得分：2)
我没有立即解决的方法，但是请求似乎合理，因此请在JIRA上打开一个问题，供团队讨论：https://issues.apache.org/jira/projects/TIKA/summary