我想抓取一个页面，我只需要采用HTML本身，避免所有图像/视频等... 是否有可能做到这一点？ 提前谢谢。
答案 0 :(得分：1)
检查regex-urlfilter.txt文件。
您可以包含您不想索引的文件扩展名的扩展名。 e.g。
# skip image and other suffixes we can't yet parse
# for a more extensive coverage use the urlfilter-suffix plugin
-\.(gif|GIF|jpg|JPG|png|PNG|ico|ICO|css|CSS|sit|SIT|eps|EPS|wmf|WMF|zip|ZIP|ppt|PPT|mpg|MPG|xls|XLS|gz|GZ|rpm|RPM|tgz|TGZ|mov|MOV|exe|EXE|jpeg|JPEG|bmp|BMP|js|JS)$