对于Python，有类似于readability.js的东西吗？

Question

我正在寻找一个包/模块/函数等，它大约相当于Arc90 90的readability.js。

http://lab.arc90.com/experiments/readability

http://lab.arc90.com/experiments/readability/js/readability.js

这样我就可以给它一些input.html，结果是清除了那个html页面的“主文本”的版本。我希望这样做，这样我就可以在服务器端使用它(与只运行在浏览器端的JS版本不同)。

有什么想法吗？

PS:我尝试过Rhino + env.js，这种组合很有效，但是性能是不可接受的，清理大部分html内容需要几分钟的时间:(仍然找不出为什么会有这么大的性能差异)。

Answer 1

请尝试我的叉https://github.com/buriy/python-readability，它是快速和所有最新的javascript版本的功能。

Answer 2

我们刚刚在repustate.com上发布了一个新的自然语言处理API。使用REST，您可以清除任何HTML或PDF，只获取文本部分。我们的API是免费的，所以您可以随意使用它来满足您的需要。它是用python实现的。检查一下，并将结果与readability.js进行比较--我想你会发现它们几乎是100%相同的。

Answer 3

hn.py通过可读性博客。应用程序引擎应用程序可读的提要利用它。

我已经将它打包成一个pip可安装的模块，在这里：http://github.com/srid/readability。