如何智能分辨列表页和详情页

在前面几节，我们介绍了详情页和列表页的内容提取方案，传入对应的 HTML 代码就能获取对应的提取结果了。但这里有个问题，就是在调用提取方法之前，需要先分辨哪种页面是列表页，哪种是详情页。

这自然而然引出了一个问题：能否用一个算法来区分列表页和详情页，直接根据算法返回的结果调用对应的提取方法，从而省掉很多麻烦？

本节目标

问题分析

数据标注

特征提取

模型实现

使用

总结

本节介绍了判断页面是列表页还是详情页的原理和代码实现，如需了解更多细节，可以参考 GerapyAutoExtractor 项目的源码。

本节代码见 https://github.com/Gerapy/GerapyAutoExtractor 。

至此，我们完成了详情页和列表页的内容提取以及详情页和列表页的分辨，有了这三类算法，就可以完成大部分新闻页面的智能解析了。