基于Java的可读性解析器

Question

我想知道解析和将普通网页转换为易读格式的独立选项，由Pocket，Readability和Instapaper等服务提供。

我主要是在寻找一个包含在我的应用程序中的Java解析器库，但总的来说，各种独立工具都很受欢迎。

感谢。

Answer 1

我认为你是在Snacktory之后，这些日子似乎是java的最先进技术，取代了jreadability。

Answer 2

Snackatory现在表示它已经过时并建议使用Crux。

但也有Readability4J。它是Mozilla的Readability.js的Kotlin端口，用于Firefox的Reader View。所以Readability4J的输出完全匹配Firefox的Reader View。

免责声明：我是Readability4J的作者。但是我只是移植了它，对于伟大的工作的赞誉归于Mozilla：https://github.com/mozilla/readability。

Answer 3

JSoup是我想到的第一个图书馆。它是抓取HTML的理想选择。您可以轻松地从网页中删除所有标记，只留下文本。 （如果你知道目标页面的结构，你可以使用一个特定的选择器来获得你想要的作品，或者排除你想要的作品。）

然后，您可能只想要Flying Saucer这样的东西，它会尽力将网页渲染为PDF。