Trafilatura 网页文本提取与爬取工具包

分享海报

@user_3c6cb52e/trafilatura-web-text-extraction-crawling

Trafilatura 是一个用于从网络收集文本的 Python 包和 CLI 工具。它处理爬取、下载和从原始 HTML 中提取主文本内容、元数据和评论，以 CSV、JSON、Markdown、XML 和 TXT 格式输出干净的结构化数据。