目前互連網上公布出來的本文提取演算法，大家可以綜合比較下

　本文一般應該是網頁中最長的部分，如何抽取本文，這部分是最為核心的。因為如果不能很好的提取原有文章的內容和樣式，那麼搜尋出來的東西就會慘不忍睹．根本就沒有使用價值。

　　在做本文抽模數塊之前曾經參考過很多抽模數式，有配置模版的，有搞視覺匹配的．有搞關鍵字識別的．挨個做了分析首先配置摸版是不太現實的，因為在搜尋
技術資訊的時候，根本不知道會搜尋到哪個網站，也根本沒精力去配置摸版。所以這個行不通。基於視覺效果的分析，這個難度比較大，而且只適合於規範的網站，
而現在很多網站根本不規範，廣告連結漫天飛．人家都把最好的位置留給廣告了．而且我一直懷疑這個模式的可行性，它只是一個善意的推測．所以這方面沒做過多
嘗試。

＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝＝

目前互連網上公布出來的本文提取演算法，大家可以綜合比較下，一起來測試下哪個更好用。

詞網--北京詞網科技有限公司
http://demo.cikuu.com/cgi-bin/cgi-contex

獵兔網頁本文提取
http://www.lietu.com/extract/

PHP版網頁本文提取
http://www.woniu.us/get_content_demo/

網頁本文提取分析(DEMO)
http://61.128.196.27/txt

個人認為http://61.128.196.27/txt
這個提取最牛，基本上無論什麼頁面都能提取出來，而且能有效保持原文風格、圖片、連結。