URL2io_

提供简单、强大的智能信息处理服务

了解更多

URL2io 产品简介


Article

URL2Article 用来对网页进行结构化解析,

智能识别网页正文、标题、下一页链接等。

...

了解更多

NLP 引擎

URL2NLP 用来对文本信息进行智能处理,

提供中文分词、词性标注、关键词提取等功能。

...

了解更多

URL2?

...

More on the way

...

URL2Article 用来提取并解析网页中的正文区域,实现网页正文提取标题提取发布日期提取下一页链接提取等。该服务提供的 RESTful API 接口每月被调用超过6百万次。

正文提取

正文识别

精准识别网页的正文部分,提取的内容将不含有任何广告、导航和其他非正文内容。


格式转化

提取的内容可以转化为以下3种形式,默认为html形式:

  • html: 输出正文的 html 格式,保留包括链接、图片和其他媒体在内的所有内容。并会对内容做进一步优化,智能清除正文中的广告、清除html标签中与内容无关的相关属性等。
  • text: 输出 txt 格式,保留正文的文字部分,并且通过智能排版引擎最大程度保留内容的排版,基本能达到和浏览器一致的排版效果。
  • raw html: 输出正文的 html 格式,原样保留原生网页的正文部分,不对内容做任何优化处理。

发布信息提取

标题识别

不是简单地通过提取<title>标签来实现,而是通过分析与正文的上下文关联来智能地识别标题,从而实现精准的正文标题提取。

发布日期识别

智能识别文章的发布日期。

惰性图片解析

支持惰性图片解析

解决目标网页使用图片延时加载技术时,无法获取图片真实路径的问题。通过智能识别正文中的惰性图片,并自动将图片地址解析为真实地址。对于部分无法识别的图片会保留全部属性,方便开发者之后自行适配。


下一页链接提取

下一页链接识别

智能识别当前网页的下一页。如果网页的内容被分为多页,可以选择提取该网页的下一页链接从而做进一步提取。


:这里的下一页指的是与当前页面正文内容是连续的(如一篇文章的下一部分),而不是并列的(如一篇文章后的下一篇文章)

请查看 URL2Article API 使用文档 来了解如何使用。
文本信息智能处理

URL2NLP 用来对文本信息进行智能处理,提供中文分词、词性标注、关键词提取等功能。

中文分词

中文分词

分词是大多数自然语言问题中最基本的步骤,而中文在书写时,词之间并不会通过分隔符来进行分割。

为了满足中文自然语言处理的需要,URL2NLP提供了一套分词系统,支持中文分词、新词发现、去停用词等功能。

词性标注

词性标注

支持对分词后的词语进行词性标注, 词性标注方法与ICTCLAS汉语词性标注集兼容。 但URL2NLP的词性标注多达57种,比ICTCLAS的39种更多。

关键词提取

关键词提取

关键词提取引擎可以提取出文本中最有代表性的关键词,并给出对应的权重。

请查看 URL2NLP API 使用文档 来了解如何使用。



交付方式与解决方案

提供SaaS版、云镜像版、私有云版三种产品形态,覆盖各种使用场景。
三种产品形态在使用上完全一致,用户可以无缝、快速地进行切换


  • SaaS版

    SaaS版

    SaaS版是将 URL2io API 部署在相互隔离的沙箱环境之中的服务方式,用户无需部署和维护。提供多种套餐,按需选择,性价比高。

    了解更多

  • 云镜像版

    云镜像版(推荐)

    云镜像版是将 URL2io API 镜像部署在高性能云主机上的服务方式,提供多种云主机规格,对性能配置具备更好的可控性。同时,我们会提供运维支持服务,为您免除运维烦恼。

    了解更多

  • 私有云版

    私有云版

    私有云版是将 URL2io API 镜像部署在用户自有的数据中心,满足用户更高的安全合规和私密性要求。

    联系我们




他们正在使用 URL2io

URL2io 正在运用 AI 技术帮助更多企业,提升产品的用户体验和商业价值





Feedback