网络爬虫速成指南（二）网页解析(基于算法)

此类算法用来抽取文章的正文。

这里介绍两种方式：
将html加载未dom树，计算文字连接比
将html作为文本，计算出行块分布



性能比较：
1000个网页：
　　行块分布函数：29秒
　　dom数文字连接比：66秒
分析：加载为dom树会很费时间。