深夜来吐个槽 Readability 已经两年没更新了

[icedx]

至今 Readability 的文本抓取能力依然是第一
然而安卓客户端已经两年没更新了 还有 Bug
Pocket 不思进取 经常丢图 很多网页不能脱水 差评

[pandachow]

我仿照它做了一个，加了不少规则，现在对中文网页优化好很多。已经给产品用上了，反馈也不错，过段时间打算开源。

[pandachow]

有一点比较大的区别是加了规则之后用梯度提升决策树训练的，不再是 readability 的硬规则，所以需要一些网页做训练。

[adrianzhang]

IFTTT ，粘！

[missdeer]

用 evernoteclipper

[KoleHank]

@pandachow 期待开源，支持

[icedx]

@pandachow 硬规则还好 我用的就是硬规则现在

[icedx]

@adrianzhang 求分享管道

[icedx]

@missdeer 那个只能网页端吧

[iugo]

红+沙发.
一直在用.

[icedx]

@iugo 安卓端丢条目 网页端都能看到 但是就是在安卓端显示不出来 浑身难受

[missdeer]

@icedx 抓了网页就进 Evernote 了呀

[iugo]

@icedx 我没有直接使用. 是通过 Reeder 或 gReader 使用的. 当时觉得这家伙 API 一定很棒.

[pandachow]

@icedx general 来说，正文准确率还可以。但是硬规则过滤的结果其实非常依赖前端的规范与否，此时如果发现某几个网页结果不好的时候，多数情况只能单独为它加规则或者改让前端改网页，维护和修改成本不低。

机器学习的好处在于如果不好，就拿这个网站的几个页面专门训练，直到算出来结果正确为止，最多会维护几个模型而已，。。。

[icedx]

@missdeer yep 但是只能在浏览器里抓吧… 我想丢一个链接进去 我记得是做不到

[icedx]

@iugo 求方法 我试过 gReader 但是条目还是丢 然而苹果客户端不丢

[icedx]

@pandachow 训练模式赞一个
我一般都是从人的角度考虑的 为什么人能认出正文这样
然后辅以数学的方法 缺点就是精度细节不够
比如吧 切胡萝卜 我的方法可以把头尾直接切掉 每次离最好的情况差一点点

[adrianzhang]

@icedx 不需要分享的吧？有很多公共的 readability 2 pocket 一类的 receipts.

[icedx]

@adrianzhang 去搜下😂

[adrianzhang]

@icedx https://ifttt.com/recipes/search?q=pocket

[pandachow]

@icedx 对的，从人的角度去出发是无比正确的逻辑。之前还有一个实验性的项目很有趣，是根据人眼停留时间来学习，但是好像没有下文……