错失了最好的 content

[zlj-zz]

bug的现象

内容标签 class=content，代码进行了加权。内容中只包含了 <br>,预处理后正文内容为纯字符串。

    def need_skip_ltgi(self, ti, lti):

        if lti == 0:
            return False

        return ti // lti > 10  # 正文的字符数量是链接字符数量的十倍以上

lti == 0 导致 density = 0，最终的分数为 0。最后从父级标签提取内容，包含了不必要的内容。

<div class="content1">
	我是正文我是正文我是正文
	<br />
	我是正文我是正文我是正文
	<br />
	我是正文我是正文我是正文
	<br />
	我是正文我是正文我是正文
	<br />
	我是正文我是正文我是正文
	<br />
</div>

[kingname]

来信已收到，我会尽快回复。