如何使用java从新闻文章中提取发布时间和文章内容？

Question

我必须从新闻链接中提取发布时间和文章内容。

例如:从这个链接http://techcrunch.com/2013/03/19/jawbone-android/

我必须将发布时间和文章内容提取为

发布时间:昨天发布

文章内容: Jawbone今天宣布，该公司的运动跟踪腕带UP的应用程序现在可以在Google Play上免费下载。129美元的价格之前只与iOS兼容。腕带现在也可以买到了......

Answer 1

我想你可以用jsoup

http://jsoup.org/

jsoup是一个Java库，用于处理真实的HTML。它提供了一个非常方便的API来提取和操作数据，使用了最好的DOM、CSS和类似jquery的方法。

Answer 2

对于文章-文本提取，您可以使用BoilerPipe

 ArticleExtractor extractor = ArticleExtractor.INSTANCE
 String articleText = extractor.getText(yourHTML);