Skip to content
This repository has been archived by the owner on Mar 23, 2023. It is now read-only.

Padronizar esquemas de extração #3

Open
ppKrauss opened this issue Dec 26, 2017 · 0 comments
Open

Padronizar esquemas de extração #3

ppKrauss opened this issue Dec 26, 2017 · 0 comments

Comments

@ppKrauss
Copy link
Contributor

Por exemplo no lexml-dou está sendo proposto que o onlyContent ocorre dentro da tag <article id="oficial">. Convenções de article e multi-article podem ser definidas aqui, definindo inicio e fim do conteúdo em foco e como descartar o conteúdo para inserir em um template simplificado.

Uma vez extraído o conteúdo da página, pode-se reconstituir a partir apenas da reprodução de alguns atributos caso tenham sido declarados, como lang e via de regra o charset da tag meta. A tag title é algo a se avaliar, pois é pressuposto um título consistente em tags como article.

<!DOCTYPE html>
<html lang="pt-br">
<head>
  <meta charset="utf-8"/>
  <title>Título curto</title>
</head>
<body>
{{aqui-o-onlyContent}}
</body>
</html>
Sign up for free to subscribe to this conversation on GitHub. Already have an account? Sign in.
Assignees
No one assigned
Labels
None yet
Projects
None yet
Milestone
No milestone
Development

No branches or pull requests
1 participant
@ppKrauss