GNE 预处理技术：如何移除特定标签可是保留文字到父标签

在开发新闻网页正文通用抽取器 GNE的过程当中，须要对目标网页的源代码进行一些预处理，从而提升正文抓取的准确性。其中之一就是把 p 标签内部的 span 标签中的文本，合并到 p 标签中，再删除 span 标签。html 在开发新闻网页正文通用抽取器GNE的过程当中，须要对目标网页的源代码进行一些预处理，从而提升正文抓取的准确性。其中之一就是把 <p>标签内部的 <span>标签中的文本，合并到<

>>阅读原文<<