新闻网页正文通用抽取器大全

1. Goose：一个Python库，用于从新闻文章中提取正文和元数据。

2. Newspaper：一个Python库，用于从新闻文章中提取正文、作者、发布日期等元数据。

3. Justext：一个Python库，用于从HTML页面中提取正文。

4. Boilerpipe：一个Java库，用于从HTML页面中提取正文。

5. Readability：一个Python库，用于从HTML页面中提取正文。

6. GNE：GNE(GeneralNewsExtractor)是一个通用新闻网站正文抽取模块，输入一篇新闻网页的 HTML， 输出正文内容、标题、作者、发布时间、正文中的图片地址和正文所在的标签源代码。

这些工具都可以帮助开发者从新闻网页中提取出正文内容，但它们的实现方式和效果可能会有所不同。开发者可以根据自己的需求选择适合自己的工具。