cnyangkui / html-extractor
基于行块分布函数的通用网页正文抽取算法优化，Python实现
☆57Updated 4 years ago
Related projects ⓘ
Alternatives and complementary repositories for html-extractor
- 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。☆70Updated 3 years ago
- 通用新闻类网站分布式爬虫☆72Updated 6 years ago
- 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 4 months ago
- pinyintokenizer, 拼音分词器，将连续的拼音切分为单字拼音列表。☆28Updated 10 months ago
- 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。☆82Updated 2 years ago
- 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☆482Updated 5 years ago
- 时间抽取、解析、标准化工具☆49Updated 2 years ago
- 中文日期/时间/数字量提取工具☆64Updated 4 years ago
- 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…☆211Updated 6 years ago
- 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 5 years ago
- 中文预处理语料☆105Updated 5 years ago
- 自己手写的百度搜索接口的封装，pip安装，支持命令行执行。Baidu Search unofficial API for Python with no external dependencies☆63Updated last week
- 使用不同的方法计算相似度☆41Updated 5 years ago
- 使用pyltp的工具，基于中文依存句法的四大名著人物情节分析系统。分为整体分析和章节分析两大模块,实现了人物篇幅分析，故事发生地分析，主要人物情绪变化分析，人物互动情况分析.☆84Updated 7 years ago
- 中文、分词、词表、核心词典、事件词表、停用词、敏感词、问答、问答数据、知识图谱、文本语料。☆147Updated 3 years ago
- 互联网在线翻译引擎爬虫集合，包含谷歌翻译、百度翻译、有道翻译、必应翻译等引擎。Internet online translation engine crawler collection, including Google translation, Baidu transla…☆80Updated 3 years ago
- Time-NLP的Python3版本 中文时间表达识别☆86Updated 4 years ago
- 中英文敏感词、语言检测、中外手机/电话归属地/运营商查询、名字推断性别、手机号抽取、身份证抽取、邮箱抽取、中日文人名库、中文缩写库、拆字词典、词汇情感值、停用词、反动词表、暴恐词表、繁简体转换、英文模拟中文发音、汪峰歌词生成器、职业名称词库、同义词库、反义词库、否定词库、汽…☆32Updated 5 years ago
- 错别字纠正算法。调用pycorrector接口，使用规则。☆66Updated 4 years ago
- AbstractKnowledgeGraph, a systematic knowledge graph that concentrate on abstract thing including abstract entity and action. 抽象知识图谱，目前规模…☆236Updated 5 years ago
- mirror of dongxiexidian/Chinese☆285Updated 5 years ago
- 基于互信息和邻接信息熵的中文分词和新词发现☆13Updated 5 years ago
- 机器学习训练简单模型判定一个句子是不是疑问句☆16Updated 2 years ago
- 中文地址提取工具，支持中国三级区划地址（省、市、区）提取和映射，支持地址热力图绘制。☆206Updated 3 weeks ago
- 基于ltp的简单评论观点抽取模块☆117Updated 6 years ago
- 通用版面分析 | 中文文档解析 |Document Layout Analysis | layout paser☆45Updated 5 months ago
- 中文命名实体识别（公司名称），Tensorflow 1.3 + Python3☆38Updated 7 years ago
- 无监督中文仿真评论自动生成。 Unsupervised Automatic Generation of Chinese Fake Reviews.☆83Updated 5 years ago
- SC-Safety: 中文大模型多轮对抗安全基准☆107Updated 8 months ago
- 中文文本相似度计算器☆116Updated last month