网页，作为互联网信息海洋时代的信息载体，包容着无穷无尽的信息，根据人脑的识别，将同类(分类)、高质量(筛选)的网页聚集在一起，就是一个人的知识，相当于人脑的一级缓存，人脑装不下的交给知识管理工具来，再装不下的再去互联网搜。

    在长期使用网文快捕的过程中，我们通过分析120万分样本发现，每篇捕获的网页中，有40%以上的杂质，这些杂质就是原始网页中包含很多诸如“网站导航栏(Header)、新闻列表、广告、栏目导航、版权(Footer)“在内的无价值内容。这些无用内容不仅占用视觉面积，还造成了存储尺寸的增大。

    在WizKnowledge的产品设计中我们利用搜索引擎(Search Engine)的经验，提出了内容智能提取的概念，即在保证网页内容完整性的同时，自动剥离无用的信息。使之成为与众不同的知识管理工具。

    目前WizKnowledge的智能规则提取可以识别大多数网站的正文

 

    下面，让我们以图例，揭开WizKnowledge网页正文智能提取的真面目。

 

 

 

默认是“仅保存正文”，还有传统的保存完整网页、保存选中部分、通过链接批量保存、批量保存选中部分的链接、保存网页中的图片、保存文本、保存选中部分文本等。

 

每一种的效果：

 

其中，我们关注的仅仅是红色部分。蓝色部分无价值。

 

 

 

 

 

下一章  自定义规则