android - 提取与新闻文章关联的缩略图

Question

我不确定我是否正确地标记了这个问题，但我知道很多新闻应用程序，如 Pulse、Google Currents 等，都会提取新闻文章的缩略图。我的问题是，我假设他们正在从新闻网站本身中提取内容，无论是屏幕抓取还是消费某种形式的提要。他们怎么知道从网站上提取哪个图像？

我用“android”标签来标记它，因为我已经构建了一个新闻阅读器应用程序，我想拉入一个缩略图图像。谢谢。

Answer 1

我前段时间使用这种方法自己构建了这样的东西：

1. 使用 Readability 框架处理文章（对于 Java，Google 发现了 jReadability、Snacktory和Java- readability - 可能还有更多，其中一个也应该在 Android 上运行）。
2. 在处理后的文章中，使用一些 DOM 框架抓取第一个图像以导航到第一个 img 标签。由于文章是“干净的”，这通常是一个可用的命中。

我建议在服务器上进行文章处理，而不是在电话上。

Answer 2

在本文中，讨论了不同的技术。

缩略图提取的一个很好的例子是在reddit上进行的。有关 reddit 如何识别和裁剪缩略图的详细信息，请参见此处和此处。