node.js - 怎么用nodejs分析出爬的不同网页那部分是文章标题和内容主体，有相关资料吗

Question

怎么用nodejs分析出爬的不同网页那部分是文章标题和内容而不是页面的其他元素，有相关资料吗

Answer 1

如果是特定的網站，可以根據其頁面做些匹配。
如果想要相容所有的網站就很難了。只根據標籤名識別肯定不準。應該有神經網絡，機器學習之類的演算法。

Answer 2

可以使用cheerio模組比較方便。
範例：http://www.focalhot.com/blog/62.html

Answer 3

內容主題可以嘗試用行塊密度
標題只能找h1-h3這種標籤了