这是一个创建于 3160 天前的主题，其中的信息可能已经有所发展或是发生改变。
如题， Chrome 插件的剪藏插件可以把网页的内容剪下来存入到一片笔记中，对于技术资料的收集简直是一大利器。
因为网上的网址可能不会永久存在，但是剪藏下来，就不会怕网址无法访问而丢失原来的内容了。而且也方便自己做知识的管理。
对于这个剪藏插件的原理和算法特别好奇，想知道它是如何识别网页正文、识别广告的呢？有知道的同学吗？
附 2 张图：
 |
1
pheyer 2016-03-31 10:30:16 +08:00
你解压 crx 看一下它的源码不就知道了吗
|
|
2
pheyer 2016-03-31 10:30:59 +08:00
也不是一直很可靠，其实一般来说我都是选中文字再进行剪藏的
|
 |
4
morvencao 2016-03-31 12:59:19 +08:00
貌似是给标签打分。
|
 |
6
towser 2016-03-31 14:02:27 +08:00  1
正文提取算法，做爬虫也能用到。
|
 |
7
nameryan 2016-03-31 15:40:21 +08:00
现在 V2 的帖子是越来越水了！
--- crx 的可以看源码，不过核心技术应该不会放在上面 类似的还有 instpaper 和 pocket ，有相应的 api 开放可供开发者调用 其实这就是从大段的 div 里面找到正文然后识别出来而已，只不过优化做的好不好。 |
 |
8
sciooga 2016-03-31 15:59:29 +08:00 2
|
 |
9
leojoy710 2016-03-31 16:10:47 +08:00 1
很多年前的 evernote 的插件是用的这个 https://github.com/hatena/extract-content-javascript/
|
Select Language