在 Styletrip 專案內，我們會抓所有景點資料的相關部落格，然後利用部落格的內容做近一步的分析，所以我們需要有能力把抓到的部落格網頁取出正文內容出來。
網頁正文，就是我們平常所看部落格文章最主要的內容區塊，而網頁正文提取的演算法有基於不同的方法來做提取，各方法的準確度都不同，也會因為網頁結構不同而有不一樣的結果。
這邊我是採用 VIPS: Vision based Page Segmentation Algorithm, 這個演算法是基於視覺結構來做判斷，也就是可以想成網頁正文通常都是那個網頁裡面看起來最大的區域。
這邊提供最核心、主要的實做方式：
Demo
Advertisements
Leave a Reply