com.khala.extractor.Parser Maven / Gradle / Ivy
package com.khala.extractor;
import org.jsoup.nodes.Document;
import org.jsoup.nodes.Element;
public interface Parser {
/**
* 对Document进行降噪
* @param document
* @return
*/
public Document denoiseForDoc(Document document);
/**
* 定位到文章正文部分
* @param document
* @return
*/
public Element excavateContent(Document document);
/**
* 对正文部分降噪
* @param contentElement
*/
public void denioseForContentElement(Element contentElement);
/**
* 下载图片
* @param contentElement
*/
public void downloadImg(Element contentElement);
/**
* 按照正则移除正文中多余的部分
* @return
*/
public String removeNeedlessChars(String contentStr);
/**
* 移除尾部杂质
* @param contentStr
* @return
*/
public String removeTails(String contentStr);
/**
* 将contentStr重新格式化为Element
* @param contentStr
* @return
*/
public Element format(String contentStr);
/**
* 获取正文
* @param document
* @return
*/
public String getContent(Document document);
/**
* 获取正文Element
* @param document
* @return
*/
public Element getContentEle(Document document);
/**
* 获取正文文本（不包含Html标签）
* @param document
* @return
*/
public String getContentText(Document document);
public String getContentPath();
}