Skip to content

vmtuan12/html-content-extraction

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

6 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

HTML Content extraction

NOTE: Re-push the project from the flagged account :(

ONGOING: Producing not really good result 😩, currently undergoing improvement and optimization, and may be combined with another approach to deliver better results

Inspired by research paper doi.org/10.1145/2009916.2009952

This project implements an algorithm to extract the main content of a DOM tree from the body tag, primarily utilizing tree data structure and recursion for tree traversal

Evaluation

The result is currently not really good

When applying for newspaper websites, the main content has been extracted, but some related posts segments have not been filtered out yet.

Sample

URL of a newspaper: https://vnexpress.net/cac-tinh-tiec-nuoi-vi-phai-dung-tuyen-lop-10-bang-ielts-4714931.html

vnexpress.png

Result

Nhiều nhà quản lý cho rằng việc ưu tiên thí sinh đạt IELTS vào lớp 10 giúp giảm áp lực thi cử, tạo động lực học ngoại ngữ ở địa phương, nên tiếc khi Bộ Giáo dục yêu cầu dừng.

Tối qua, Bộ Giáo dục và Đào tạo yêu cầu các địa phương thực hiện đúng quy chế tuyển sinh THPT của Bộ, tức không cộng điểm hay tuyển thẳng thí sinh đạt giải học sinh giỏi cấp tỉnh, có chứng chỉ ngoại ngữ quốc tế. ... (long text) ...Học sinh đạt 4.0 IELTS được cộng điểm, tuyển thẳng lớp 10 Nhiều địa phương cộng 1-2 điểm ưu tiên hoặc xét tuyển thẳng lớp 10 công lập cho thí sinh có IELTS từ 4.0 và tương đương. 122 Vì sao các tỉnh tuyển thẳng, cộng điểm lớp 10 từ 4.0 IELTS? Việc ưu tiên thí sinh đạt IELTS từ 4.0 nhằm tạo động lực học ngoại ngữ, góp phần nâng cao chất lượng giáo dục, theo lý giải của tỉnh Quảng Trị và Tuyên Quang. 42 Bộ Giáo dục yêu cầu dừng tuyển thẳng lớp 10 bằng IELTS Bộ Giáo dục và Đào tạo đề nghị các tỉnh, thành dừng tuyển thẳng, cộng điểm ưu tiên thí sinh có giải học sinh giỏi, chứng chỉ IELTS và tương đương vào lớp 10 công lập. 224 Thanh Hằng - Võ Thạnh - Đức Hùng

Chủ đề:

Nam sinh Sư phạm tốt nghiệp sớm với điểm tuyệt đối

Gần một nửa cử nhân Mỹ đi làm chân tay, lương thấp

'IELTS không phù hợp để xét tuyển lớp 10'

Bộ Giáo dục yêu cầu dừng tuyển thẳng lớp 10 bằng IELTS

Danh nhân nào được đặt tên cho 25 phường, xã ở Việt Nam?

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages