将HTML网页格式中的正文提取出来 主要是小说网上下载的打包小说

搜索引擎正文提取程序，通过html分析和正则，去掉html代码，保留网页正文，只针对中文有效。英文稍加修改即可使用。-The body of the search engine extraction process, through analysis and regular html remove html code to retain the page text, only effective against the Chinese. Slightly modified to use Engl

html正文提取，利用匹配来进行正文的抽取-html text extraction, the use of matching to carry out the extraction of the body

NET平台下，一个高效的从Html中提取正文的工具。 正文提取采用了基于文本密度的提取算法，支持从压缩的Html文档中提取正文，每个页面平均提取时间为30ms，正确率在95 以上。-Under NET platform, an efficient tool to extract text Html in. Text extraction using a density-based text extraction algorithm, support extract text the