Paquet : libboilerpipe-java (1.2.0-2)

[ Paquet source : boilerpipe  ]

retrait des textes standards et extraction du plein texte des pages HTML

La bibliothèque boilerpipe fournit des algorithmes pour détecter et retirer le «⋅bazar⋅» en trop (textes standards, modèles) autour du contenu textuel principal d'une page web.

La bibliothèque fournit déjà des stratégies particulières pour des tâches communes (par exemple, l'extraction de nouveaux articles) et peut aussi être facilement étendue pour le paramétrage de problèmes particuliers.

L'extraction du contenu est très rapide (des millisecondes), il nécessite seulement l'entrée du document (aucune information globale ou du niveau du site n'est nécessaire) et est en général plutôt précis.

Autres paquets associés à libboilerpipe-java

• dep: libnekohtml-java

  NekoHTML - HTML parser for Java

• dep: libxerces2-java

  validateur et analyseur XML pour Java avec la gestion de DOM niveau 3

Télécharger libboilerpipe-java

Télécharger pour toutes les architectures proposées

Architecture	Taille du paquet	Espace occupé une fois installé	Fichiers
all	98,0 ko	132,0 ko	[liste des fichiers]