Alternatives and similar repositories for html-extractor:

Users that are interested in html-extractor are comparing it to the libraries listed below

• xizhicode / ahocorasick-python
  AC自动机python的实现，并进行了优化。 主要修复了 查询不准确的问题。
  ☆73Updated 4 years ago
• xiaorancs / text-similarity
  使用不同的方法计算相似度
  ☆42Updated 6 years ago
• shibing624 / pinyin-tokenizer
  pinyintokenizer, 拼音分词器，将连续的拼音切分为单字拼音列表。
  ☆29Updated last month
• shibing624 / relext
  RelExt: A Tool for Relation Extraction from Text. 文本实体关系抽取工具。
  ☆50Updated 2 years ago
• liuhuanyong / ImportantEventExtractor
  An exploration for Eventline (important news Rank organized by pulic time)，针对某一事件话题下的新闻报道集合，通过使用docrank算法，对新闻报道进行重要性识别，并通过新闻报道时间挑选出时间线上重要…
  ☆219Updated 6 years ago
• jllan / jannlp
  ☆58Updated 3 years ago
• liuhuanyong / EventMonitor
  Event monitor based on online news corpus including event storyline and analysis，基于给定事件关键词，采集事件资讯，对事件进行挖掘和分析。
  ☆152Updated 6 years ago
• foowaa / Chinese_from_dongxiexidian
  中文预处理语料
  ☆108Updated 6 years ago
• shibing624 / companynameparser
  company name parser, extract company name brand. 中文公司名称分词工具，支持公司名称中的地名，品牌名（主词），行业词，公司名后缀提取。
  ☆88Updated 2 years ago
• anycodes / companyCategory
  根据企业名称对企业类型进行分类
  ☆39Updated 6 years ago
• kiwirafe / xiangsi
  中文文本相似度计算器
  ☆137Updated 5 months ago
• liu-nlper / KeywordProcesser
  使用python实现了一个简单的trie树结构，可增加/查找/删除关键词，用于中文文本的关键词匹配、停用词删除等。
  ☆64Updated 4 years ago
• Vincent131499 / TextSim_cn_finetune
  微调预训练语言模型(BERT、Roberta、XLBert等),用于计算两个文本之间的相似度（通过句子对分类任务转换）,适用于中文文本
  ☆89Updated 4 years ago
• RuilinXu / GovDoc-CN
  A Multi-Modal Dataset of Chinese Governmental Docunments
  ☆31Updated 4 years ago
• pyunits / pyunit-time
  一个简单易用的 Python 模块，用于通过字符串来操作日期/时间。正则时间提取，字符串时间解析，字符串时间提取。中文时间提取，一句话里面提取时间
  ☆75Updated 8 months ago
• yujunhuics / timeparser
  时间抽取、解析、标准化工具
  ☆51Updated 2 years ago
• Lisennlp / two_sentences_classifier
  Bert分类，语义相似度，获取句向量。
  ☆65Updated 2 weeks ago
• ryanInf / Time-NLPY
  Time-NLP的Python3版本 中文时间表达识别
  ☆88Updated 4 years ago
• hanxweb / Scrapy-SearchEngines
  bing、google、baidu搜索引擎爬虫。python3.6 and scrapy
  ☆44Updated 7 years ago
• chrislinan / cx-extractor-python
  基于行块分布函数的通用网页正文抽取算法的Python版本实现，添加了英文支持/ Web page content extraction algorithm, support both Chinese and English
  ☆483Updated 5 years ago
• yongzhuo / Tookit-Sihui
  Tookit-Sihui, a tool of some common algorithm, AI文本混合科学计算器(calculator-sihui), 句子词频-逆文本频率(TF-IDF),搜索BM25, 前缀树搜索关键词(trietree), 模板匹配-递归函数(fu…
  ☆24Updated 3 years ago
• liuhuanyong / ChineseTextualInference
  ChineseTextualInference project including chinese corpus build and inferecence model, 中文文本推断项目,包括88万文本蕴含中文文本蕴含数据集的翻译与构建,基于深度学习的文本蕴含判定模型构建…
  ☆172Updated 6 years ago
• likaiguo / simhashpy
  使用simhash算法,快速索引和查询大量文本简历
  ☆22Updated 9 years ago
• buttered-cat / chinese_company_name_recognition
  中文命名实体识别（公司名称），Tensorflow 1.3 + Python3
  ☆38Updated 7 years ago
• li-aolong / li-aolong.github.io
  李傲龍的博客
  ☆81Updated 8 months ago
• yidun / antispam-python-demo
  易盾反垃圾python演示
  ☆29Updated 8 months ago
• liuhuanyong / SinglepassTextCluster
  SinglepassTextCluster, an TextCluster tools based on Singlepass cluster algorithm that use tfidf vector and doc2vec，which can be used for…
  ☆62Updated 3 years ago
• lsq960124 / Inverted-index-BM25
  手动实现Elasticsearch的倒排索引以及BM25算法
  ☆46Updated 6 years ago
• striver-ing / distributed-spider
  通用新闻类网站分布式爬虫
  ☆74Updated 6 years ago
• laughing429 / textRewriting
  中文文本改写
  ☆19Updated 4 years ago