# Html2Article
**Repository Path**: krison/Html2Article
## Basic Information
- **Project Name**: Html2Article
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No
## Statistics
- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-01-10
- **Last Updated**: 2026-01-10
## Categories & Tags
**Categories**: Uncategorized
**Tags**: None
## README
# Html2Article
.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。
## Html2Article特色
* 标签无关，提取正文不依赖标签；
* 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。
## 让你的项目支持Html正文提取
- **`PM> Install-Package Html2Article`**
- **引入命名空间`using StanSoft;`。**
- **添加如下代码：**
```C#
// html为你要提取的html文本
string html = "....";
// article对象包含Title(标题)，PublishDate(发布日期)，Content(正文)和ContentWithTags(带标签正文)四个属性
Article article = Html2Article.GetArticle(html);
```
## Html2Article类
- **Html2Article类是提取正文的核心类**
- **Html2Article配置说明**
* AppendMode：是否使用正文追加模式，默认为false，设置为true会将更多符合条件的文本添加到正文。
* Depth：分析的深度，默认为5，对于行空隙较大的页面可增加此值。
* LimitCount：字符限定数，当分析的文本数量达到限定数则认为进入正文内容，默认为180个字符。
* GetArticle(string html)：从Html文本中获取Article。
## License
[Apache 2.0](http://www.apache.org/licenses/LICENSE-2.0)