Gne Online:通用新闻网页正文在线提取

简介: Gne Online:通用新闻网页正文在线提取

摄影:产品经理冒脑花和宽粉

GNE[1]是我开源的一个新闻网站正文通用抽取器,自发布以来得到了很多同学的好评。

一直以来,GNE 是以 Python 包的形式存在,要测试 GNE 的提取效果,需要使用 pip 先安装,再写代码使用。

为了降低测试 GNE 的成本,也为了让更多同学了解 GNE,测试 GNE,我开发了网页版的 GNE——Gne Online

打开Gne Online 的地址为:http://122.51.39.219/,打开以后的页面如下图所示。

要测试 GNE 的功能,你只需要在最上面的文本框中粘贴网页源代码,并点击提取按钮即可:

对于标题、作者、新闻发布时间这种可能发送误提取的情况,我们可以通过下面对应的Title XPathAuthorPublish Time XPath来输入 XPath 定向提取。例如对于今日头条的文章:

新闻的作者提取失误,此时可以指定 XPath://div[@class="article-sub"]/span[1]/text()来定向提取,如下图所示。

通过设定Host输入框,可以在网页正文中的图片为相对路径时,拼上网址。

通过勾选下面的With Body Html复选框,可以返回正文所在的区域的网页源代码。

GNE 的更多使用说明,请参阅官方文档[2]

有了 Gne Online 以后,你再也不用提前准备 Python 环境了。

目录
相关文章
|
Web App开发 Linux
只需五步,在Linux安装chrome及chromedriver(CentOS)
只需五步,在Linux安装chrome及chromedriver(CentOS)
5460 1
|
自然语言处理 算法 机器人
PaddleNLP通用信息抽取技术UIE【一】产业应用实例:信息抽取{实体关系抽取、中文分词、精准实体标。情感分析等}、文本纠错、问答系统、闲聊机器人、定制训练
PaddleNLP通用信息抽取技术UIE【一】产业应用实例:信息抽取{实体关系抽取、中文分词、精准实体标。情感分析等}、文本纠错、问答系统、闲聊机器人、定制训练
PaddleNLP通用信息抽取技术UIE【一】产业应用实例:信息抽取{实体关系抽取、中文分词、精准实体标。情感分析等}、文本纠错、问答系统、闲聊机器人、定制训练
|
6月前
|
前端开发 Cloud Native Java
Java||Springboot读取本地目录的文件和文件结构,读取服务器文档目录数据供前端渲染的API实现
博客不应该只有代码和解决方案,重点应该在于给出解决方案的同时分享思维模式,只有思维才能可持续地解决问题,只有思维才是真正值得学习和分享的核心要素。如果这篇博客能给您带来一点帮助,麻烦您点个赞支持一下,还可以收藏起来以备不时之需,有疑问和错误欢迎在评论区指出~
Java||Springboot读取本地目录的文件和文件结构,读取服务器文档目录数据供前端渲染的API实现
|
9月前
|
存储 Serverless API
通过图片视觉理解,结构化提取属性信息测评报告
本文详细评测了阿里云的图片信息提取解决方案,涵盖部署、功能测试、性能表现及安全性考量等方面。该方案结合函数计算、对象存储与百炼模型服务,提供高效、准确的图像处理能力,适合快速搭建图像处理应用。
426 12
|
10月前
|
数据采集 数据挖掘 数据格式
使用Python进行数据清洗的实用指南
在数据分析的世界里,"垃圾进,垃圾出"这句老话再贴切不过。数据清洗作为数据分析前的关键步骤,直接影响着分析结果的准确性与可靠性。本文将通过浅显易懂的语言和实际代码示例,带你掌握如何使用Python及其强大的库进行数据清洗,从缺失值处理到异常值检测,再到数据格式转换和重复数据删除,让你的数据准备工作变得既高效又专业。
581 2
|
机器学习/深度学习 算法 开发工具
通义千问2(Qwen2)大语言模型在PAI-QuickStart的微调、评测与部署实践
阿里云的人工智能平台PAI,作为一站式的机器学习和深度学习平台,对Qwen2模型系列提供了全面的技术支持。无论是开发者还是企业客户,都可以通过PAI-QuickStart轻松实现Qwen2系列模型的微调、评测和快速部署。
|
机器学习/深度学习 计算机视觉 Python
使用Python改变图像颜色的实用指南
使用Python改变图像颜色的实用指南
258 1
|
Java Spring
SpringBoot项目中整合MinIO
SpringBoot项目中整合MinIO。
625 5
|
JSON 安全 Java
2024年的选择:为什么Go可能是理想的后端语言
【4月更文挑战第27天】Go语言在2024年成为后端开发的热门选择,其简洁设计、内置并发原语和强大工具链备受青睐。文章探讨了Go的设计哲学,如静态类型、垃圾回收和CSP并发模型,并介绍了使用Gin和Echo框架构建Web服务。Go的并发通过goroutines和channels实现,静态类型确保代码稳定性和安全性,快速编译速度利于迭代。Go广泛应用在云计算、微服务等领域,拥有丰富的生态系统和活跃社区,适合作为应对未来技术趋势的语言。
2094 0
|
人工智能 自然语言处理 达摩院
轻松使用阿里达摩院开源在魔搭社区上的CLUE语义匹配模型
本文将介绍达摩院NLP团队在魔搭社区(ModelScope)上开源的语义匹配模型及其使用方法。
52969 3
轻松使用阿里达摩院开源在魔搭社区上的CLUE语义匹配模型