Expand description
结构化内容提取模块
提供从 HTML 中提取标题、段落、列表、表格、代码块、引用、图片等 结构化内容的功能。适配自 halldyll-parser 的内容提取实现。
Structs§
- Outline
Item - 大纲条目，用于构建页面标题的层级树结构
Functions§
- build_
outline - 将标题列表构建为层级大纲树
- extract_
code_ block - 从 code 元素中提取代码块
- extract_
code_ blocks - 从 HTML 文档中提取所有代码块
- extract_
definition_ list - 从 dl 元素中提取定义列表
- extract_
headings - 从 HTML 文档中提取所有标题（h1 - h6）
- extract_
image - 从 img 元素中提取单张图片
- extract_
images - 从 HTML 文档中提取所有图片
- extract_
list - 从元素中提取单个列表（ol/ul）
- extract_
list_ item - 从 li 元素中提取列表项，包括可能的内嵌列表
- extract_
lists - 从 HTML 文档中提取所有列表
- extract_
paragraphs - 从 HTML 文档中提取所有段落文本
- extract_
quotes - 从 HTML 文档中提取所有引用（blockquote）
- extract_
table - 从 table 元素中提取单个表格
- extract_
table_ cell - 从 td 或 th 元素中提取表格单元格
- extract_
table_ row - 从 tr 元素中提取表格行
- extract_
tables - 从 HTML 文档中提取所有表格
- get_
main_ heading - 获取页面的主标题（第一个 h1，回退到第一个 h2，再回退到
）</dd><dt><a class="fn" href="fn.is_known_language.html" title="fn crawlkit_parser::content::is_known_language">is_<wbr>known_<wbr>language</a></dt><dd>检查语言标识符是否为已知的编程语言</dd><dt><a class="fn" href="fn.resolve_image_url.html" title="fn crawlkit_parser::content::resolve_image_url">resolve_<wbr>image_<wbr>url</a></dt><dd>将图片 URL 解析为绝对 URL</dd></dl></section></div></main></body></html>