在给定URL的情况下，您如何找到网站的“主要”图片？

Question

假设您已获得http://nytimes.com 你会如何拉出“主要”形象？

我问的原因是因为Flipboard只能使用网址从网站上抓取主图像。

您可以解析出所有图片代码。那么呢？

Answer 1

我不相信有一种标准方法。您可以从查找Open Graph Protocol图片代码开始。 Facebook使用这些来为状态更新和评论中发布的网址选择图像。

<meta property="og:image" content="http://ia.media-imdb.com/rock.jpg"/>

如果您准备使用第三方，Embedly将此作为收费服务提供。

  

Embedly提供了一个功能强大的API，可将标准网址转换为嵌入式网址   来自218家领先供应商的视频，图片和丰富的文章预览。

Answer 2

有很多策略可以确定网址的“主要”图片是什么：

• 许多网站现在宣布主要形象是什么（对于Facebook OpenGraph或Twitter卡）
• 有时候，可以通过URL或通过API调用来猜测图像（尤其适用于Instagram等图像托管网站）
• 还可以通过利用内容提取技术（可读性）分析网页来确定主图像。您可能希望过滤掉“噪音”以摆脱跟踪像素或广告。
• 如果所有这些技术都失败了，您可以下载所有图像，并假设最大的图像是最有趣的。

我创建了一个JavaScript库，它使用大多数这些技术来确定网址的“主要”图片：ImageResolver。

Answer 3

确实没有任何东西被认为是网页中的“主要”图像 - 没有HTML或其他任何东西来区分它。更不用说你可能必须阅读CSS中的所有图像（或者更确切地说是背景图像等）。但如果我必须这样做，我会做的就是：

1. 首先，我会决定一个合适的图像尺寸，比如最小400x400。 （我不想挑选任何旧图像，非常小的东西可能会扩展到可怕的程度）
2. 然后我会遍历页面上的每个图像。
3. 对于我遇到的每张图片，我会检查它的大小3。 如果它是400x400（我的预定义大小）或更大，我会使用此图像。 如果不是，我会检查它是迄今为止我发现的最大图像，如果是这样，请将其信息保存在旁边。

4. 一旦达到预定数量的图像，我就检查了

   （因为参数可以说是10，但肯定你可能要高得多）我会使用我发现的最大图像（存放到侧面），因为我不想无限期地扫描页面对于图像！

Answer 4

Facebook允许用户选择其中一个被认为是“主要”图像的图像之一。至于自动确定“主”图像，我会根据页面位置，大小，与文本的关系以及（如果你想要更复杂）的视觉内容来判断它。

例如，您可以使用简单的人脸检测程序，或者查看颜色分类以确定图片是否对您“感兴趣”。

编辑：在www.nytimes.com的情况下，我可能只是看一下页面结构，因为一个大的图像旋转木马正好位于H1标签下面。