breadability 0.1.20

替代品

• https://github.com/codelucas/newspaper
• https://github.com/grangier/python goose
• https://github.com/aidanf/bte
• http://www.unixuser.org/~euske/python/webstemmer/extract
• https://github.com/al3xandru/readability.py
• https://github.com/rcarmo/soup-filter
• https://github.com/bcampbell/decruft
• https://github.com/gfxmonk/python可读性
• https://github.com/srid/readability
• https://github.com/dcramer/decruft
• https://github.com/reorx/readability
• https://github.com/mote/python可读性
• https://github.com/predatell/python-readability-lxml
• https://github.com/harshavardhana/boilerpipy
• https://github.com/raptium/hitomi
• https://github.com/kingwkb/readability

安装

这取决于lxml，因此需要一些c头才能安装 pip中的内容，以便它能够编译。

$ [sudo] apt-get install libxml2-dev libxslt-dev
$ [sudo] pip install git+git://github.com/bookieio/breadability.git

测试

$ nosetests-2.6 tests && nosetests-3.2 tests && nosetests-2.7 tests && nosetests-3.3 tests

用法

$ breadability http://wiki.python.org/moin/BeginnersGuide

from__future__importprint_functionfrombreadability.readableimportArticleif__name__=="__main__":document=Article(html_as_text,url=source_url)print(document.readable)

待完成的工作

是的，我要赶时间。我不分页，我有很多 自定义调整我需要开始，有些文章无法解析。 我还有更多的测试要写很多清洁助手，但是 希望事情的设置能够/将添加这些内容。

幸运的是，我的工具需要这个库：

• https://bmark.us
• http://r.bmark.us

所以我真的需要这是一个积极和改进的项目。

最重要的任务列表：

• 支持分析文章中的元数据[url，置信度，all 我们考虑过的候选人？
• 更多的测试，更彻底的测试
• 我们需要在测试文章中测试更多的示例文章
• 运行并检查测试文章回归的测试
• 整理出来的html，可能有助于回归测试^ ^
• 多页文章
• 性能调整，我们做了很多循环并重新删除一些节点 应该跳过。我们应该有一套回归测试 如果我们实施了一个能提高性能的更改，我们就知道这是正确的 离开。
• 更多的文档，但是sphinx文档和代码注释有助于 明白我们在做什么，为什么。这是一些 这些东西。