【亲测免费】 Textractor 项目下载及安装教程

1、项目介绍

Textractor 是一个高效的从 HTML 中提取正文的类库。它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。其特色包括标签无关、支持从压缩的 HTML 文档中提取正文内容、支持带标签输出原始正文，核心算法简洁高效，平均提取时间在 30ms 左右。

2、项目下载位置

你可以通过以下链接下载 Textractor 项目：

Textractor GitHub 仓库

3、项目安装环境配置

3.1 环境要求

• PHP 版本 >= 7.0
• Composer

3.2 环境配置示例

以下是配置环境的步骤：

1. 安装 PHP

   确保你的系统上已经安装了 PHP 7.0 或更高版本。你可以通过以下命令检查 PHP 版本：

   php -v
   

   

2. 安装 Composer

   如果你还没有安装 Composer，可以通过以下命令安装：

   curl -sS https://getcomposer.org/installer | php
   mv composer.phar /usr/local/bin/composer
   

   

4、项目安装方式

4.1 通过 Composer 安装

1. 克隆项目到本地：

   git clone https://github.com/mylukin/Textractor.git
   cd Textractor
   

2. 使用 Composer 安装依赖：

   composer install
   

   

3. 添加 ServiceProvider 到你的项目 config/app.php 中的 providers 部分：

   'providers' => [
       // 其他 providers
       Lukin\Textractor\TextractorServiceProvider::class,
   ],
   

4. 创建配置文件：

   php artisan vendor:publish --provider="Lukin\Textractor\TextractorServiceProvider"
   

   然后请修改 config/textractor.php 中对应的项即可。

5、项目处理脚本

以下是一个简单的示例脚本，展示如何使用 Textractor 提取 HTML 正文：

<?php

require 'vendor/autoload.php';

use Lukin\Textractor\Textractor;

$url = 'http://news.163.com/17/0204/08/CCDTBQ9E000189FH.html';

// 创建提取实例
$textractor = new Textractor();

// 下载并解析文章
$article = $textractor->download($url)->parse();

printf('<div id="url">URL: %s</div>' . PHP_EOL, $url);
printf('<div id="title">Title: %s</div>' . PHP_EOL, $article->getTitle());
printf('<div id="published">Publish: %s</div>' . PHP_EOL, $article->getPublishDate());
printf('<div id="text">Text: <pre>%s</pre></div>' . PHP_EOL, $article->getText());
printf('<div id="html">Content: %s</div>' . PHP_EOL, $article->getHTML());

通过以上步骤，你就可以成功下载、安装并使用 Textractor 项目了。