【gne 文本预处理】python正文提取方法GeneralNewsExtractor

GNE是一个准确率高达99.9%的新闻类网页通用抽取器。有了这个神器，我们不再需要xpath写来写去，这适合通用的新闻资讯类网页正文内容提取。下面我们以南方周末，一个网页例子为说明。

GNE（GeneralNewsExtractor）是一个通用新闻网站正文抽取模块，输入一篇新闻网页的 HTML， 输出正文内容、标题、作者、发布时间、正文中的图片地址。

安装gne：

pip install gne
or
pip install gne -i https://mirrors.163.com/pypi/simple/

python 版本：（不低于python3.6）
python3.7.5

在 extract(html) 方法只传入网页源代码，不添加任何额外参数时，GNE 返回如下字段：

title：新闻标题
publish_time：新闻发布时间
author：新闻作者
content：新闻正文
im