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
yang
dan
di
pada
dengan
dalam
untuk
ini
dari
oleh
merupakan
adalah
telah
sebagai
sebuah
tahun
tidak
terletak
kepada
juga
ke
atau
daripada
ialah
the
Pada
Lapangan
Terbang
satu
itu
menjadi
bagi
mereka
lebih
mempunyai
orang
akan
of
seperti
boleh
seorang
beliau
bandar
Malaysia
kerana
luar.
Pautan
Ia
bahawa
and
ia
secara
iaitu
bahasa
tetapi
digunakan
antara
Sekolah
negara
kawasan
dua
serta
nama
pertama
menggunakan
terbang
beberapa
Dalam
banyak
Beliau
kedudukan
memiliki
tersebut
lain
Amerika
dikenali
selepas
meter
in
dia
lapangan
hari
masa
to
Malaysia.
atas
itu,
terdapat
salah
dapat
Indonesia.
ketinggian
hanya
aras
Di
sebelum
ketika
Negeri
sehingga
mana
apabila
Melayu
kerajaan
a
melalui
sistem
lagi
Islam
bawah
pelajar
besar
termasuk
hingga
tentera
utama
sama
kumpulan
ada
masih
ahli
pernah
kapal
tempat
laut..
The
suatu
Kebangsaan
terhadap
baru
ini,
bahagian
ini.
setiap
penduduk
paling
negeri
semasa
Menteri
bermula
bentuk
tiga
kemudian
Kuala
dunia
filem
pasukan
wilayah
daerah
buah
pula
anak
jumlah
lelaki
Sungai
para
semua
Sultan
bersama
Burung
turut
mendapat
pesawat
Dia
kini
semula
kecamatan
Syarikat
Tentera
pelbagai
kuasa
Pulau
raya
seramai
pihak
kali
berjaya
air
kecil
bulan
awal
diterbitkan
Perang
Bahasa
membuat
mula
nombor
biasanya
sekolah
Jepun
terdiri
Ini
is
Raja
sekitar
lagu
latitude
tanah
longtitude
tanpa
diri
Datuk
amat
Abdul
orang.
biasa
menyebabkan
bukan
sejak
jenis
membawa
itu.
lain.
menjadikan
abad
Mereka
syarikat
mengambil
tinggi
selama
kedua
luar
Kabupaten
mungkin
sering
rumah
kurang
Selepas
sebahagian
Kumpulan
sebanyak
seluruh
zaman
haiwan
siri
kebanyakan
empat
Latitud
Longitud
tersebut.
Kampung
Bandar
Timur
China
kereta
menerima
Dasar
mengenai
berada
setelah
British
politik
memberi
tentang
pusat
bidang
Dunia
Taman
keseluruhan
berasal
Gunung
berlaku
mampu
Indonesia
for
musim
bahan
menghasilkan
dibina
terkenal
Presiden
kembali
bin
agama
memberikan
lama
as
Perdana
ibu
kemudiannya
masyarakat
Kerajaan
laut
Nama
was
berbanding
segi
dianggap
mereka.
walaupun
Seri
penting
Bukit
cara
sendiri
sejenis
Selain
Jalan
sangat
Asia
Cina
akhir
New
Barat
menunjukkan
Januari
Walaupun
manakala
Universiti
terbesar
Dengan
Arab
keadaan
manusia
Masjid
keluarga
Jerman
jalan
waktu
Disember
Daerah
disebabkan
Terdapat
album
kod
ramai
juta
sepanjang
with
perlu
Oleh
muzik
mengikut
that
menyatakan
hampir
jika
Mac
serangan
hidup
Dewan
Ketua
pilihan
murid
India
Menengah
bekas
September
kalendar
Laut
Majlis
Wilayah
Antarabangsa
sahaja
Mei
namun
kedua-dua
April
asli
Kota
terus
merujuk
maka
Eropah
mencapai
Ogos
perang
hasil
barat
baik
on
sejarah
pemain
by
Jun
sekali
"The
Negara
Apabila
sudah
peringkat
dilakukan
Julai
sementara
kota
wanita
Sri
sesuatu
Yang
kaum
lalu
pokok
buku
selatan
menyertai
mengandungi
Parti
ekonomi
Republik
anggota
Oktober
udara
Timur,
penyanyi
penggunaan
lima
diadakan
diberikan
perempuan,
November
Selatan
Al
rakyat
perkhidmatan
membentuk
dilantik
Raya
kampung
sedang
parti
Inggeris
pemerintahan
Sebagai
Tanah
undang-undang
tempoh
berdasarkan
tinggal
sesetengah
rasmi
hutan
membantu
dipanggil
api
lain,
spesies
bangunan
akhirnya
Muhammad
utara
Pokok
Filem
muncul
Besar
Batu
melakukan
dikatakan
badan
kata
bernama
senjata
harga
Jakarta
Ketika
Ahmad
pulau
jawatan
perkataan
permainan
versi
popular
Malaysia,
Setelah
pentadbiran
mudah
batu
dunia.
agar
United
semakin
Singapura
watak
belakang
Sulawesi
golongan
Perancis
makanan
Pilihan
ditubuhkan
Februari
tahun.
proses
sebarang
masalah
Tun
Gregory.
akibat
Haji
dibuat
Nabi
rancangan
Namun
Bagaimanapun,
Sejarah.
bola
stesen
diberi
sebelah
ditulis
are
tangan
timur
Antara
jam
Utara
ketua
tiada
laut.
mata
berbeza
seni
supaya
desa
Untuk
Buku
Rakyat
masuk
orang-orang
tempatan
Dari
ataupun
ringkasnya
istilah
negara-negara
menentang
KRI
sumber
kira-kira
Allah
terakhir
de
kelas
Belanda
Orang
Afrika
keluar
asal
Jabatan
kalangan
Melayu.
Perak
Satu
menarik
Kebanyakan
komputer
diambil
km
hubungan
mengalami
enam
panjang
terutamanya
apa
memerlukan
didapati
dilihat
dikeluarkan
memenangi
from
puluh
cuba
enjin
Syarikat.
Johor
televisyen
berhampiran
kerja
Pasukan
Sistem
Mohd
arah
dilahirkan
peluru
Shah
asas
dinamakan
pelakon
tenaga
dihasilkan
sedikit
Semasa
pendidikan
alam
Mukim
agak
melihat
wang
unit
Piala
umum
Selatan,
Empayar
Selatan.
meninggalkan
bermaksud
masjid
tahap
hak
membenarkan
pembangunan
II
seseorang
wujud
membolehkan
Abu
Pusat
Utara,
(nombor).
mendapatkan
disebut
Tengah,
Menurut
peranan
begitu
Melaka
jauh
penuh
Udara
keputusan
Parlimen
I
mencari
Islam.
bekerja
meninggal
dipilih
minyak
dijadikan
memasuki
tersebut,
or
rendah
Teluk
terpaksa
Israel
datang
laluan
memulakan
Hari
ratus
bantuan
be
jarak
nilai
kaki
kesan
awam
Australia
Dr
Aceh
video
bilangan
pegawai
Yahudi
Tan
pantai
tujuan
(bahasa
Korea
aktif
polis
gunung
termasuklah
ketiga
budaya
Harry
baginda
membina
warna
industri
milik
kes
Kapal
harus
khas
Kawasan
tetap
Persekutuan
pemimpin
Jepun.
Lumpur
moden
bersama-sama
membunuh
(lahir
program
sungai
Swasta
melibatkan
sayap
Baru
Ibrahim
Abdullah
raja
tengah
kematian
sendiri.
Ahli
menggantikan
Sebelum
perubahan
mengeluarkan
menulis
Pagi
operasi
Anugerah
penyakit
sebenarnya
Ibu
Sdn
antarabangsa
dirinya
at
bebas
mereka,
sebab
huruf
mengatakan
Umum
kesemua
Barat,
terlibat
Pertama
pembinaan
malam
Selangor
sewaktu
Sumatera
UMNO
buat
pengguna
Tidak
Sejak
mati
John
bermain
model
saluran
sekarang
which
tahun,
Ali
karya
berkenaan
berat
maklumat
Sejarah
negara.
menyerang
Bahagian
berasaskan
teknologi
Bagi
bergantung
NPSN
pun
memegang
kita
TV
sepak
kekal
tumbuhan
gelaran
Air
asalnya
usaha
In
menurut
Timbalan
an
menerusi
aktiviti
tindakan
kuat
bergerak
Sukan
berkaitan
Brunei.
sesuai
langsung
selain
mana-mana
perdagangan
pertempuran
sampai
cerita
Muslim
A
belum
Lagu
berbentuk
perempuan
cukup
kadar
berkuasa
kebangsaan
putih
Jawa
Barisan
kehidupan
Kementerian
keluasan
hadapan
Zaman
bertindak
berwarna
mewakili
were
khususnya
Jika
suku
permukaan
Kampong
Kesatuan
ikan
merangkumi
Semenanjung
tujuh
Rom
rangkaian
projek
Perak.
bunyi
tambahan
Nasional
Kanada.
kaedah
Baginda
burung
ruang
Bhd
bangsa
Persatuan
dibuka
menyokong
alat
sokongan
bumi
hitam
dasar
menyediakan
Polis
Tetapi
guru
diterima
Akta
surat
darah
berkembang
tak
kelihatan
suara
tertinggi
it
Diraja
mencipta
pengaruh
ingin
Mesir
bagaimanapun,
majalah
ilmu
dibawa
tapak
Tengah
kawalan
kegunaan
Mahkamah
diketahui
kulit
berkhidmat
sahaja.
sempadan
dipercayai
memilih
Secara
penerbangan
latihan