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 XPath
、Author
、Publish 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。