Python中有没有类似于readability.js的工具？
我在找一个包、模块或者函数，差不多可以和Arc90的readability.js在Python中对应。
http://lab.arc90.com/experiments/readability
http://lab.arc90.com/experiments/readability/js/readability.js
我希望能给它一些输入的HTML，然后它能把这个HTML页面的主要内容清理出来。我想在服务器端使用这个（而不是像JS版本那样只能在浏览器上运行）。
有没有什么好的建议？
附：我试过Rhino和env.js的组合，虽然能用，但速度太慢，清理大部分HTML内容要花几分钟 :(（我还是没找到为什么性能差这么多的原因）。
6 个回答
2
这个内容来自于一个叫做 hn.py 的链接，出现在 Readability的博客 上。还有一个叫做 Readable Feeds 的应用，它是基于App Engine开发的，使用了这个工具。
我把它打包成了一个可以通过pip安装的模块，地址在这里： http://github.com/srid/readability
4
我们刚刚在repustate.com推出了一个新的自然语言处理API。通过这个REST API，你可以清理任何HTML或PDF文件，只提取出文本部分。我们的API是免费的，欢迎你尽情使用。而且它是用python实现的。你可以试试，把结果和readability.js对比一下，我觉得你会发现它们几乎是100%相同的。
11
请试试我的版本，链接在这里：https://github.com/buriy/python-readability。这个版本运行速度快，并且具备最新的JavaScript版本的所有功能。