网页正文内容抽取

此代码是对论文《基于行块分布函数的通用网页正文抽取》的Python实现方式。论文的出发点是针对搜索引擎正文提取的解决方案，移除了所有的标签元素，因此我在此保留了标签元素，改进用户阅读体验。 特点： 保留正文标签 资源（图片、超链接等）路径为绝对路径（即使原文是相对路径）避免找不到资源 下载： git clone ...