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
920
921
922
923
924
925
926
927
928
929
930
931
932
933
934
935
936
937
938
939
940
941
942
943
944
945
946
947
948
949
950
951
952
953
954
955
956
957
958
959
960
961
962
963
964
965
966
967
968
969
970
971
972
973
974
975
976
977
978
979
980
981
982
983
984
985
986
987
988
989
990
991
992
993
de
în
a
și
din
la
este
cu
o
un
care
fost
pe
al
mai
se
pentru
În
au
să
lui
ca
nu
că
sau
ce
sunt
ale
prin
s-a
fi
anul
iar
fiind
după
era
in
dintre
cele
A
dar
cel
si
La
Anii
are
până
către
între
sub
sa
două
parte
mare
unui
oraș
unei
unde
cea
județul
După
va
poate
multe
când
acest
timpul
timp
această
ar
(n.
toate
s-au
partea
România.
avut
De
fie
numele
el
avea
Este
foarte
comună
său
ani
erau
spre
ei
ai
prima
Râul
trei
alte
unor
precum
perioada
doar
Pe
loc
sale
unul
lor
cum
cei
mult
peste
î.Hr.
Germania.
Din
află
primul
localitate
într-o
apoi
devenit
asupra
început
își
face
landul
îl
anii
of
ales
îi
cadrul
the
pot
despre
astfel
limba
fără
într-un
însă
I
data
decât
numit
locul
una
făcut
cât
orașul
membru
și-a
le
l-a
chiar
România
celor
ianuarie
El
Biserica
numai
urma
aceste
(în
d.
O
decembrie
iunie
martie
atât
împotriva
i-a
având
încă
râului
comuna
mod
august
octombrie
noiembrie
același
anului
Se
față
septembrie
mari
satul
ceea
doi
iulie
Pentru
tot
asemenea
aprilie
cunoscut
doilea
regiunea
Secolul
Un
împreună
secolul
nici
atunci
ea
doua
război
Cu
dacă
milioane
secolului
aproape
drept
nou
puțin
e
fiecare
câteva
sfârșitul
and
februarie
acesta
trebuie
unele
există
aproximativ
aceasta
patru
km
născut
situat
Ion
afluent
sat
datorită
dată
vor
special
începutul
In
asemenea,
curs
printre
lângă
folosit
punct
ani,
putea
an
acestei
de-a
zona
Ioan
ori
Acest
primit
general
dat
orașului
Republica
bine
teritoriul
Această
diferite
de-al
reprezintă
înainte
stat
faptul
apă,
The
aici
România,
populație
vedere
Valea
număr
lansat
Ca
perioadă
Marea
Nicolae
apărut
București
lemn
cauza
Alexandru
serie
București,
prezent
deoarece
formă
funcția
noi
numărul
mulți
nord
și,
așa
devine
numeroase
Unite
Universitatea
Brazilia.
Mai
New
acestui
format
jurul
luat
alături
forma
ci
fel
Deși
sud
ajuns
Constantin
tip
altă
lungul
său,
Între
Transilvania,
orice
om
târziu
Gheorghe
fața
ele
scris
lucru
ani.
apare
important
Statele
importante
primele
urmat
viața
Are
baza
român
acestea
rămas
Moldova,
i
majoritatea
deși
reușit
etc.
Prin
României
câștigat
locuitori.
considerat
să-și
denumirea
conform
cazul
nouă
moartea
situată
construit
profesor
domeniul
Național
dus
fotbal
statului
echipa
celui
album
comunei
titlul
nume
trecut
cinci
fiul
urmă
vechi
fapt
centrul
apă
familia
provincia
sistem
suprafață
oameni
politic
Acesta
cunoscută
nivel
Mare
București.
Aceasta
Astfel,
aceeași
Europa
urmare
aveau
succes
acestor
acea
funcție
principal
Imperiul
biserica
obținut
acum
George
Ea
Prima
Primul
Aceste
alt
Mileniul
sa,
începe
rolul
S-a
numită
"The
ajutorul
populația
care,
exemplu
origine
est
Germania
vest
am
Nu
Mihai
istoria
aflat
spune
Academiei
condus
localitatea
Ștefan
nr.
m
to
declarat
jucat
Muntenia,
mici
anilor
Vasile
intrat
viață
respectiv
grup
activitatea
circa
astăzi
Regatul
sale,
toată
Republicii
Maria
zi
vreme
Istoric.
realizat
murit
publicat
satului
statul
film
timp,
sistemul
român,
Cele
prezintă
aceea
președinte
produs
John
bun
județului
rol
începând
II
ulterior
pus
participat
întreaga
ajunge
albumul
creat
încât
externe.
Uniunii
construită
râul
formată
capitala
folosite
Conform
bază
zile
politică
diverse
târziu,
Moldova
vârsta
Moldova.
deja
locuitori
bisericii
afla
Orașul
tuturor
muzică
lumea
săi
continuat
Uniunea
conducerea
Până
II-lea
adus
română
populației
prea
ne
Legături
toți
Au
regele
fusese
lucrări
persoane
momentul
do
să-l
Universității
familie
fac
țară
dintr-o
români
Când
jumătate
obicei
Regiunea
devenind
bună
dezvoltarea
(de
Dacă
Biografie.
mică
ei,
dreptul
acel
inclusiv
conține
inițial
importantă
odată
single
privind
mondial
armata
ocupat
moment
formează
Mihail
Facultatea
ciuda
cuprinde
Paul
aflată
Numele
putut
tatăl
probabil
biserică
ziua
șase
Dar
Petru
rândul
ultimul
regelui
Partidul
Război
nivelul
le-a
plan
pare
american
Mircea
mic
uneori
Rusia
totală
țări
ia
Cel
zonă
lor,
politice
vieții
stil
luptă
Carol
poartă
oficial
locuitori,
cărui
copii
acestuia
Partidului
malul
adică
scurt
Comuna
anumite
componența
folosită
elemente
național
continuă
Începând
alți
__FARACUPRINS__
să-i
Tot
facă
piese
nordul
von
Franța
director
Printre
centru
studii
ocupă
înseamnă
guvernul
exemplu,
puternic
lucrat
singur
cursul
șef
sudul
i-au
produse
familiei
Secole:
direct
noua
Nord
gradul
l-au
European
compania
raionul
Editura
Totuși,
afara
companie
acestea,
militare
limbă
războiului
luna
unii
total
constituie
puterea
Imperiului
altor
Decade:
revista
Statelor
Ani:
I.
înființat
treilea
sediul
descoperit
poziția
Există
dintr-un
printr-o
mijlocul
trimis
semnat
cale
și-au
casa
scopul
ridicat
(din
existat
lor.
membrii
ambele
câte
date
Cea
Institutul
stabilit
Bisericii
Satul
orașe
forțele
restul
germană
regiune
partidului
duce
rămâne
încercat
Mănăstirea
aceștia
celelalte
Munții
ministru
calitate
permite
filmul
multor
găsește
României,
consideră
afaceri
muzica
apropierea
(sau
Mare,
prezent,
Armata
președintele
că,
luni
Alte
trupele
da
a-și
Franța,
cunoscute
regiunii
lungime
națională
ultima
adesea
căsătorit
scrie
înființată
Iași,
oamenii
șapte
sale.
numește
controlul
apar
membri
scriitor
FC
comunitatea
piesa
drumul
obține
grupul
putere
Mondial
roman
istorice
mama
(cu
Școala
trece
studiat
dezvoltat
Renania-Palatinat,
unități
Bavaria,
oferă
Aici
districtul
intermediul
Țara
des
lume
for
pierdut
an,
părți
Parlamentului
deține
apariția
considerată
locuri
volumul
activitate
mii
măsură
fratele
lui,
militar
suprafața
Istorie.
venit
specii
destul
organizat
Paris
provine
legătură
Africa
faptului
arată
azi
datează
Al
germane
medie
listă
Sfântul
armatei
fiica
vremea
probleme
primului
America
produce
dupa
României.
veche
publică
Datorită
existența
stare
istoric
creșterea
lupta
românești
Cei
distanță
ușor
găsit
m.
Iași
folosește
anume
Germania,
Compania
legate
Radu
privire
administrativ
Sf.
printr-un
Premiul
deputat
acolo
limbii
David
punctul
aparține
deosebire
Italia
soția
nevoie
rege
valoare
linia
relativ
mare,
URSS
crescut
căruia
procesul
Muzeul
naționale
Spre
absolvit
acestora
scrisă
celei
generalul
debutat
William
insula
german
Dumnezeu
înregistrat
Ei
sezonul
dă
căreia
român.
niciodată
mondial,
istorie
Localitatea
(care
deschis
culoare
imediat
pune
Române
forme
scurtă
echipei
sistemului
lucrările
deasupra
Spania
Și
condusă
Astfel
noul
schimbat
cariera
cursurile
complet
informații
țării
apropiere
Consiliului
țara
totuși
opera
Liga
oară
I,
cărți
Grecia
mutat
Robert
intră
singură
Inferioară,
acordat
proces
aibă
sec.
interiorul
reședința
reprezentat
televiziune
extrem
zece
deci
făcute
școală
autoritățile
francez
intre
treia
câțiva
compus
naștere
școala
comanda
Dumitru
echipă
familii
Dan
municipiul
Moldovei
ei.
Stat
sa.
aflate
San
SUA
state
războiul
listele
termenul
înalt
alegerile
Armatei
prezența
zone
singura
publice
cărei
miliarde
franceză
Listă
bune
exista
militară
(în)
include
joacă
São
Casa
referă
carte