Gne如何提取新闻网页

GNE^[1]是我开源的一个新闻网站正文通用抽取器，自发布以来得到了很多同学的好评。

一直以来，GNE 是以 Python 包的形式存在，要测试 GNE 的提取效果，需要使用 pip 先安装，再写代码使用。

为了降低测试 GNE 的成本，也为了让更多同学了解 GNE，测试 GNE，我开发了网页版的 GNE——Gne Online。

打开Gne Online 的地址为：http://122.51.39.219/，打开以后的页面如下图所示。

 

要测试 GNE 的功能，你只需要在最上面的文本框中粘贴网页源代码，并点击提取按钮即可：

 

对于标题、作者、新闻发布时间这种可能发送误提取的情况，我们可以通过下面对应的Title XPath、Author、Publish Time XPath来输入 XPath 定向提取。例如对于今日头条的文章：

 

新闻的作者提取失误，此时可以指定 XPath：//div[@class="article-sub"]/span[1]/text()来定向提取，如下图所示。

 

通过设定Host输入框，可以在网页正文中的图片为相对路径时，拼上网址。

通过勾选下面的With Body Html复选框，可以返回正文所在的区域的网页源代码。