如何提取网页文章中的标题？

Question

有很多阅读类型的应用（例如Pocket）都可以将网页重新排版，并且将文章中的标题提取出来。不知是如何做到的？ 下面是Pocket和网页的截图：

Answer 1

从网页中萃取内容和标题有很多算法，一般的搜索引擎在索引的时候都需要这么一个步骤，目前网上最通行的是readablitily的算法，这里有两个程序实现

1. php实现https://github.com/feelinglucky/php-readability
2. node.js实现https://code.google.com/p/arc90labs-readability/