justext 0.2.0

Rust port of JusText — paragraph-level boilerplate removal for HTML
Documentation
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
622
623
624
625
626
627
628
629
630
631
632
633
634
635
636
637
638
639
640
641
642
643
644
645
646
647
648
649
650
651
652
653
654
655
656
657
658
659
660
661
662
663
664
665
666
667
668
669
670
671
672
673
674
675
676
677
678
679
680
681
682
683
684
685
686
687
688
689
690
691
692
693
694
695
696
697
698
699
700
701
702
703
704
705
706
707
708
709
710
711
712
713
714
715
716
717
718
719
720
721
722
723
724
725
726
727
728
729
730
731
732
733
734
735
736
737
738
739
740
741
742
743
744
745
746
747
748
749
750
751
752
753
754
755
756
757
758
759
760
761
762
763
764
765
766
767
768
769
770
771
772
773
774
775
776
777
778
779
780
781
782
783
784
785
786
787
788
789
790
791
792
793
794
795
796
797
798
799
800
801
802
803
804
805
806
807
808
809
810
811
812
813
814
815
816
817
818
819
820
821
822
823
824
825
826
827
828
829
830
831
832
833
834
835
836
837
838
839
840
841
842
843
844
845
846
847
848
849
850
851
852
853
854
855
856
857
858
859
860
861
862
863
864
865
866
867
868
869
870
871
872
873
874
875
876
877
878
879
880
881
882
883
884
885
886
887
888
889
890
891
892
893
894
895
896
897
898
899
900
901
902
903
904
905
906
907
908
909
910
911
912
913
914
915
916
917
918
919
yang
dan
di
dengan
dari
adalah
pada
ini
untuk
dalam
tahun
oleh
sebagai
menjadi
juga
tidak
ke
atau
sebuah
merupakan
ia
memiliki
Pada
satu
itu
dapat
Indonesia.
karena
lebih
telah
akan
mereka
bahwa
seorang
seperti
orang
Ia
kota
desa
tersebut
kecamatan
secara
salah
saat
Jawa
Di
beberapa
banyak
antara
nama
kemudian
ada
pertama
bagian
bahasa
wilayah
terletak
para
Kabupaten
setelah
kepada
Indonesia
hingga
besar
hanya
atas
digunakan
dua
Amerika
Dalam
sangat
lain
yaitu
menggunakan
disebut
serta
tanggal
dikenal
bisa
Kota
daerah
negara
suatu
masih
masa
sampai
namun
film
sehingga
itu,
kembali
Setelah
mulai
tempat
sudah
terhadap
sekitar
bagi
Provinsi
penduduk
terdapat
pernah
ketika
berada
sejak
of
membuat
dia
dunia
berbagai
baru
selama
kali
termasuk
Tengah,
ini,
terjadi
tentang
bernama
sistem
bersama
paling
anggota
tetapi
waktu
kedua
hari
melalui
anak
sama
semua
melakukan
Kecamatan
sering
harus
Barat,
ini.
mempunyai
berasal
Jepang
berhasil
luas
bawah
utama
bulan
akhirnya
Dia
seluruh
Selain
dilakukan
terdiri
album
maka
lagu
abad
jumlah
sebesar
lainnya
tiga
awal
rumah
musik
air
the
tak
kecil
pun
masyarakat
setiap
hal
Namun
baik
sebelum
terkenal
bentuk
tersebut.
biasanya
Universitas
perusahaan
diri
jenis
tinggi
Dengan
sendiri
tim
lagi
memberikan
luar
ialah
tetap
pemerintahan
maupun
sedang
musim
hidup
sebagian
akhir
Serikat
lalu
Perang
Belanda
masuk
sebelah
The
dimana
pasukan
agar
Mereka
Timur,
berarti
pusat
dianggap
bidang
provinsi
dibuat
itu.
Inggris
and
kata
Pulau
pula
sekarang
mencapai
tanpa
Sungai
hasil
bermain
kapal
mana
tanah
bekerja
jalan
sebanyak
jiwa.
Kalimantan
pemerintah
mengenai
Dunia
suku
keluarga
de
luar.
muncul
kelompok
Presiden
Jakarta
Untuk
Tahun
pesawat
manusia
Selatan,
cukup
umum
terbesar
Negeri
Pranala
perang
Raja
proses
pulau
mendapatkan
Film
Republik
dekat
bola
mendapat
zaman
Karena
Saat
berdasarkan
sekolah
didirikan
barat
karya
Kerajaan
langsung
cara
terutama
Bahasa
Hal
tinggal
Islam
ditemukan
Ketika
laut
menyebabkan
penting
Menurut
sedangkan
pemain
bukan
Beberapa
mengalami
Desember
jiwa
sejumlah
Desa
sementara
bahan
buku
Jerman
membentuk
dirilis
gelar
tapi
pendidikan
belum
bahkan
selatan
menerima
Timur
selalu
Mei
Januari
Agustus
Sekolah
utara
versi
orang-orang
lama
Oktober
Sebagai
meninggal
Maret
Menteri
September
resmi
"The
agama
ilmu
asal
sejarah
Dari
Gereja
pihak
timur
jika
acara
lainnya.
menuju
udara
berupa
empat
Juli
April
umumnya
menghasilkan
tokoh
kerajaan
hampir
New
menyatakan
distrik
bintang
tersebut,
raja
tingkat
program
Juni
Perancis
Eropa
Timur.
hubungan
Nama
saja
II
Indonesia,
terakhir
Barat
politik
bangsa
kurang
mampu
terus
menunjukkan
mengambil
menurut
November
semakin
buah
akibat
melihat
juta
sungai
Gunung
membawa
bergabung
melawan
sepak
adanya
Sejak
berbeda
km².
lahir
militer
posisi
mereka.
mungkin
dipakai
dibangun
kawasan
biasa
kepala
sumber
istilah
diberikan
I
kini
Serikat.
panjang
organisasi
nasional
kelas
daripada
Daerah
dimulai
Selatan
Utara,
stasiun
suara
Udara
ingin
dasar
tahun.
kita
cerita
jalur
Asia
sebelumnya
Februari
Sultan
sepanjang
kaum
diberi
bin
ibu
Korea
kekuatan
sedikit
wanita
Sejarah.
datang
dirinya
kabupaten
Laut
membantu
Nasional
jaringan
Bandar
lain.
negeri
khusus
kehidupan
sempat
mengikuti
berwarna
menjabat
Dan
makanan
kekuasaan
serangan
sesuai
tengah
km
jauh
serial
hukum
yakni
pemimpin
ditulis
dunia.
mendirikan
Yang
menulis
alat
Kemudian
Sulawesi
sang
kereta
milik
bangunan
lain,
menemukan
mata
ketiga
masalah
Jepang.
tentara
berubah
mesin
berkembang
Piala
ekonomi
tangan
Ada
Sementara
grup
permainan
Para
televisi
Jerman.
Utara
penerbangan
lima
industri
mencari
penyanyi
Negara
api
mengatakan
usia
tubuh
sel
meninggalkan
berjudul
Namun,
alam
kelurahan
keadaan
ikut
Partai
Angkatan
periode
kegiatan
kode
(bahasa
Meskipun
sekali
memperoleh
apa
Sumatera
in
produksi
dipimpin
putra
belajar
data
arah
warna
pergi
keturunan
Sebuah
komune
Cina
surat
depan
budaya
sebenarnya
diketahui
meskipun
John
berusaha
permukaan
bertemu
Ini
diambil
Britania
klub
memberi
Secara
bila
menikah
Muhammad
warga
perubahan
menyerang
rakyat
ahli
Kaisar
tujuan
operasi
penggunaan
Selama
tahun,
memilih
berbentuk
memulai
memutuskan
masing-masing
Italia.
Salah
mobil
keluar
kemampuan
Aceh
Uni
Selatan.
gaya
pertandingan
mudah
nilai
Allah
informasi
Pangeran
Walaupun
usaha
diangkat
daya
komputer
Perancis.
Pemerintah
populasi
Paus
hutan
ibukota
jatuh
Daftar
teknologi
sendiri.
meminta
sisi
Dewan
berdiri
sekaligus
kerja
asli
Al
(lahir
perkembangan
batu
gerakan
Stasiun
pindah
belakang
seni
presiden
memenangkan
berjumlah
garis
segera
membangun
senjata
perangkat
Dinasti
berlangsung
Kepulauan
Katolik
jarak
tanaman
bersifat
walaupun
badan
merasa
bantuan
Internasional
Sedangkan
spesies
Banyak
per
uang
muda
ataupun
produk
pertempuran
terlihat
malam
tampil
mantan
hak
perjalanan
pantai
Album
model
internasional
begitu
dijadikan
lingkungan
karakter
berisi
mirip
pasar
daftar
Tidak
Kristen
dibentuk
Afrika
populer
asam
pembangunan
ternyata
kebanyakan
jabatan
Jalan
selain
Air
kaki
India
misalnya
demikian,
bumi
beliau
teori
mengandung
meraih
awalnya
Arab
mendukung
berbatasan
sosial
tertentu
meliputi
lainnya,
penyakit
dibandingkan
diterbitkan
ruang
band
menggantikan
Barat.
Sistem
menarik
kuat
Italia
penuh
lokasi
diadakan
seseorang
orang.
perempuan
kondisi
kemungkinan
partai
tradisional
jam
memakai
Tanah
menjadikan
tua
khususnya
Raya
demikian
Ibu
penghargaan
aktif
mengembangkan
Tengah
membunuh
Sebelum
SMA
cepat
terlalu
mereka,
seri
Jika
Yunani
rendah
Hari
menolak
Pertempuran
teknik
Pendidikan
kalangan
ikan
dikembangkan
rasa
pengguna
dilahirkan
memang
segala
Kepala
Sebagian
juara
Jepang,
fungsi
berat
energi
mengalahkan
nomor
menciptakan
khas
pimpinan
mengeluarkan
AS
tertinggi
penulis
titik
Dasar
negara-negara
hewan
memimpin
berkebangsaan
media
meningkatkan
struktur
kematian
mencoba
aliran
gunung
membuka
pengaruh
namanya
Australia
Oleh
mati
satu-satunya
Baru
perlu
peristiwa
huruf
Jenderal
mengadakan
berperan
to
saling
Distrik
dimiliki
Inggris.
umat
merujuk
besar.
bergerak
sakit
video
panas
pohon
situs
Belanda.
diproduksi
Israel
Fakultas
tumbuhan
Rakyat
lembaga
Agung
Lagu
disebabkan
berjalan
disutradarai
mengetahui
terpilih
terlibat
Pusat
Orang
kadang-kadang
aktor
tumbuh
Dua
minyak
San
Utara.
perdagangan
anak-anak
burung
(yang
merah
Ketua
Rusia
ayahnya
TV
gedung
keras
Windows
cahaya
tradisi
berusia
pengembangan
putih
bebas
Spanyol
Inggris,
Perdana
mencakup
lewat
kasus
bekas
terbaik
tugas
Taman
enam
apabila
meter
besar,
berakhir
berita
Departemen
Tim
mengubah
peran
guru
kayu
menyediakan
Yahudi
jadi
radio
ukuran
Tinggi
Serikat,
Sang
gereja
Wilayah
kecepatan
lagi.
lokal
darah
kimia
Jakarta.
murid
era
antaranya
kampung
ulang
berbasis
Dr.
majalah
konsep
menguasai
dibagi
m
melanjutkan
dipilih
bertahan
Besar
berhubungan
modern
kulit
gagal
upacara
dibawah
Liga