.NET平臺下，一個高效的從Html中提取正文的工具 - Html2Article

.NET平臺下，一個高效的從Html中提取正文的工具。

正文提取采用了基于文本密度的提取算法，支持從壓縮的Html文檔中提取正文，每個頁面平均提取時間為10ms，正確率到95%以上。

Html2Article有如下特點：

• 標簽無關，提取正文不依賴標簽。
• 支持從壓縮的html文檔中提取正文內容。
• 核心算法簡潔高效，平均提取時間在20ms左右。

使用示例：

/// 
/// 文章正文數據模型
/// 
public class Article
{
    public string Title { get; set; }
    public string Content { get; set; }
    public DateTime PublishDate { get; set; }
}
// html為你要提取的html文本
string html = "....";
Article article = Html2Article.GetArticle(html);