产品readability-lxml
readability-lxml
基于Python和lxml的网页正文提取库，用于从HTML页面中剥离导航、广告等噪声，提取文章核心内容，常用于RAG和内容处理管道。
时间轴 (近 90 天)
10月18日
trafilatura 2.0 在新闻站和越南语博客上的正文提取稳定性优于 readability-lxml 和 newspaper4k。
待验证50%
10月16日
第三个项目（把技术博客转成音频摘要）采用“最小痛苦路径”：粘贴URL得到3分钟音频文件，没有账号、历史记录、下载功能；文本用readability-lxml提取，音频用TTS API；一个周末交付，API成本12.80美元，投入14小时，用户31人。
待验证50%