我正在寻找能够从网站上提取文本的算法。我指的不是"去除HTML"，也不是任何能够实现这一功能的数百个库。
例如，对于一篇新闻文章，我想要识别标题和所有的文本，但不包括评论部分等等。
是否有相关的算法存在？谢谢！
用户名或电子邮箱地址
密码
