我正在开展一个学校项目，我们想要分析网页的内容。然而，我们不想处理诸如导航栏和评论之类的事情。如果我们正在查看一个特定的网站，我们可以创建一个解析器来专门为该网站过滤掉此类无关的内容，但我们希望能够在我们以前可能从未遇到过的任意网站上工作。
我觉得希望有点太大了，所以如果这样的东西还不存在，我不会感到惊讶，但是有人知道有一种工具可以在任意网站上进行这种内容隔离吗？我很幸运地将页面与同一站点的其他页面进行比较，但它并不完美，并且会留下评论等。
我正在使用 Java 工作，但欢迎任何语言的开源内容，我可以将其用于创意。
最佳答案
我对此有点晚了(尤其是对于学校项目)，但如果有人在将来的某个时候发现这一点，以下内容可能会有所帮助。
我偶然发现了一个 Java 库来完成这个任务。在我的简单测试中，性能与可读性类似。
关于java - 有没有工具可以隔离网页内容？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/4242814/