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
the
di
nu
dina
nyaéta
of
jeung
and
Indonésia.
Propinsi
Jawa
salasahiji
Kabupatén
anu
kacamatan
to
a
Barat,
sarta
désa
in
ku
is
ka
ti
atawa
ieu
taun
bisa
pikeun
Maséhi
hiji
Kalénder
as
aya
tina
The
that
are
jadi
kana
for
by
keur
Taun
be
ogé
Grégorian.
Dina
leuwih
nyaeta
teu
or
with
on
mangrupakeun
geus
nepi
téh
from
an
which
Kota
SM
was
basa
tapi
SM.
In
mah
disebut
Saméméh
can
dua
Tengah,
it
sababaraha
boga
Kacamatan
have
Gregorian.
not
sacara
has
henteu
antara
dipaké
this
yén
Di
minangka
ngarupakeun
Basa
ngaran
at
used
also
wewengkon
oge
urang
Jepang
salaku
Jakarta
mangrupa
tur
dipake
alatan
waktu
Bandung.
Bandung,
data
kalurahan
other
éta
its
Sunda
such
were
This
sahiji
salah
but
one
make
kaasup
cara
dan
loba
more
bakal
sedengkeun
mimiti
kota
manéhna
sanggeus
sarua
ngabogaan
deui
kecap
ngeunaan
dumasar
A
sahingga
para
saperti
all
been
sabab
kalawan
yang
some
Bogor.
hartina
Bogor,
poé
lamun
ngan
tempat
than
kalayan
between
kawas
mangsa
Cirebon.
their
kasebut
mibanda
Cirebon,
ayana
bagian
into
ngahasilkeun
may
Tasikmalaya,
Garut.
will
Garut,
sinyal
they
most
ngagunakeun
ngandung
Tasikmalaya.
use
two
sareng
nagara
Ciamis,
dimimitian
ngaliwatan
Kuningan,
biasana
Sukabumi,
diwangun
munggaran
beulah
asalna
sok
first
hasil
Sukabumi.
cai
yen
ilahar
It
abad
jero
kudu
Cianjur,
tilu
Kuningan.
Ciamis.
nalika
masih
hal
many
utamana
sistim
only
Gunung
utama
dijieun
Majalengka,
sél
these
Indramayu,
kalénder
luhur
mangka
leutik
Banyumas,
saurang
Cianjur.
called
Ieu
fungsi
maké
sataun
Ku
hirup
ngawengku
number
asam
eta
time
Majalengka.
Banyumas.
For
Asia
kaayaan
nyieun
Jakarta,
kiwari
lain
Karawang,
ukur
na
Karawang.
pisan
manusa
ieu,
gelombang
Indramayu.
jalan
when
would
any
bentuk
rupa-rupa
if
tanggal
jumlah
unggal
where
widang
Aya
often
radio
probability
DKI
Banjarnegara,
teh
dianggap
about
Jepang.
baris
Sumedang,
salila
each
Subang,
saterusna
same
mindeng
Indonésia
sebaran
then
digital
known
miboga
Gregorian
umum
Batang,
over
jaringan
Sumedang.
séjén
bahan
penting
boh
function
sistem
Banjarnegara.
different
Nu
kapanggih
there
dékade
had
lumangsung
power
dasawara
Bekasi,
no
Sanggeus
so
sanajan
ampir
prosés
Bekasi.
Pikeun
Selatan,
Subang.
anak
warna
spésiés
jalur
anjeunna
Tapi
Hal
nilai
panjang
ukuran
Jepang,
kurang
jaman
dunya
mun
digunakeun
Batang.
per
laju
ngawangun
system
sora
carita
variabel
current
bulan
both
through
Lamun
random
ditulis
frékuénsi
Sacara
perang
Prabu
antarana
kajadian
handap
kungsi
ngabalukarkeun
Karajaan
Manéhna
distribution
harti
Ngaran
élmu
dipikawanoh
wangun
pulo
awak
we
sisi
new
opat
Sanajan
kulawarga
ayeuna
Purwakarta,
ngaranna
karajaan
sakabéh
very
Sajarah.
atom
Islam
réa
kitu,
gumantung
Utara,
large
ahli
Kulon,
ieu.
tanpa
meunang
ngagambarkeun
However,
istilah
telepon
standar
sawatara
katelah
example,
wilayah
sajarah
his
éta,
part
séjénna
janten
batan
asup
taneuh
who
alat
informasi
Pulo
kira-kira
mean
kadua
using
suku
Inggris
listrik
(basa
béda
Kulon
field
being
pohara
luar
surat
babarengan
dengan
Timur,
tetep
kacida
tim
Ti
Purwakarta.
anyar
sato
mana
given
rupa
lianna
réaksi
kira
set
form
Al
katut
husus
ilaharna
Indonesia
kimia
kayaning
langsung
much
high
made
dihasilkeun
Cina
getih
numana
jalma
lolobana
nujul
buah
komunikasi
puseur
maranéhanana
up
tuluy
deukeut
molekul
kulon
Bandung
while
must
sakabeh
modern
could
paling
There
bagean
populasi
kitu
gaya
nangtukeun
anggota
Sunda.
value
after
alam
beuki
These
model
dasar
because
Some
well
India
gunung
Amérika
Kidul,
Raja
kahirupan
énergi
saprak
Sababaraha
kali
language
"X"
even
term
seni
tumuwuh
terus
magnetic
Walanda
raja
usually
tutuwuhan
titik
kidul
sangkan
normal
masarakat
untuk
several
(atawa
common
Laut
those
karakter
dimana
Stasion
walungan
Swedish
cahaya
Bogor
dari
gerak
nunjukkeun
Cirebon
datang
bangsa
dayeuh
If
méré
dibagi
include
unsur
warsih
important
As
statistik
Kidul
karbon
like
kahiji
barang
sagala
kareta
lantaran
considered
daun
program
out
standard
sumber
Najan
since
dijadikeun
mawa
Jalur
United
migunakeun
he
awal
found
Mun
struktur
gampang
Naruto
nulis
cukup
balik
ngalaman
gedé
propinsi
One
what
serangga
sipat
small
sometimes
Kecap
médan
pada
robah
kusabab
analog
Pandawa
information
daerah
signal
tangkal
electric
Tokyo
under
Muhammad
ngajadikeun
manehna
golongan
theory
dicokot
Universitas
daya
does
Alatan
kalolobaan
badag
lima
Desa
sorangan
tingkat
still
sabenerna
three
malah
sakuliah
resmi
within
including
Wétan,
umumna
Perang
around
tujuan
lajeng
biasa
based
gas
gede
early
during
beungkeut
nyebutkeun
sumebar
people
km
means
tungtung
dingaranan
systems
Anjeunna
kituna
less
tepi
rohangan
lingkungan
how
beda
nempo
hubungan
usaha
example
perenahna
saeutik
baku
kabupatén
them
arah
turunan
work
wangunan
laut
buku
beungeut
TV
sampel
do
until
naon
should
Hiji
patali
tulisan
tengah
umur
harita
sapanjang
susunan
diri
lahir
(nu
Istilah
frequency
Sang
case
pondok
Sunda,
parobahan
manggihan
rada
kawentar
South
partikel
masalah
New
dalam
Agustus
kasus
gancang
years
energy
unit
dunya.
An
law
saméméh
Maret
kakawasaan
wates
class
Tempo
gambar
Juli
Indonésia,
ngarobah
century,
Wewengkon
komputer
Yunani
Japan
languages
lianna.
Wétan
Januari
jarak
acak
protéin
satuluyna
voltage
beureum
Sweden
bumi
Déwi
budaya
conto
Jalan
pakait
various
April
Banten,
ahir
population
gugus
jauh
téknologi
Nalika
suhu
kulit
possible
defined
layanan
budak
similar
point
oleh
kuat
hayang
manusa.
Contona,
massa
ini
panas
pangaruh
moal
Désa
stasion
tradisional
jelema
nembongkeun
due
garis
total
kakuatan
"The
industri
second
sarua.
manuk
sastra
process
nyadiakeun
desa
karya
Yudistira
runtuyan
Tumbu
ngabentuk
diajar
satelit
kasebut.
general
sejen
Waktu
water
asal
density
disebutna
Blu-ray
video
taun.
Oktober
name
order
Arab
Kusabab
waé
simpangan
mobil
Désémber
basisir
sarupa
kanji
Prasasti
Since
inti
central
contona
nomer
juta
pausahaan
Sajaba
watesan
kasakit
Sedengkeun
type
When
kembang
human
téori
hususna
sakola
rather
DNA
tinimbang
They
sabagé
lega
area
bari