effective-htmlplannotator/effective-html
面向大语言模型上下文摄入与网络爬虫的高性能 HTML 语义降噪、剪枝与结构化信息提取套件。核心功能要点包括:1.【DOM 树智能剪枝与语义密度最大化】:自动剥离冗余的广告标签、内联样式表、追踪脚本与深层嵌套 div,…
还没有人评分
我要评分
Stars3.7k
Forks254
Watchers3.7k
Open Issues3
Install一键安装
待确认这个仓库是否遵循 Agent Skills 规范(即是否含 SKILL.md)尚未核查完成。在结论出来之前,可以先克隆下来自行取用:
git clone https://github.com/plannotator/effective-html.git
Overview功能介绍
核心功能
面向大语言模型上下文摄入与网络爬虫的高性能 HTML 语义降噪、剪枝与结构化信息提取套件。核心功能要点包括:1.【DOM 树智能剪枝与语义密度最大化】:自动剥离冗余的广告标签、内联样式表、追踪脚本与深层嵌套 div,保留高信息密度的语义化文本块;2.【Markdown 与结构化 JSON 零损转换】:精准推导标题层级、表格对齐关系与有序列表逻辑,将复杂非规范网页一键转换为适合大模型阅读的标准格式;3.【多模态网页截图区域映射与坐标对齐】:在清理网页杂质的同时保留关键多媒体容器坐标,支持多模态 Agent 进行精准元素视觉定位。
适用场景
数据清洗与预处理环节、自然语言处理与信息提取环节、知识库索引构建环节。
适用职业
数据分析师 / 数据工程师、AI / 算法工程师。
Topics主题标签
Rating用户评分
还没有人给这个技能评分。它是全站第一次被评价 —— 你的这一票就是最初的平均分。
Repository仓库信息
| 技能 ID | 315 |
|---|---|
| 数据来源 | GitHub |
| 仓库全名 | plannotator/effective-html |
| 所属分类 | 数据科学与知识图谱 / 数据挖掘与商业智能 |
| 主要语言 | HTML |
| 开源协议 | MIT License |
| 默认分支 | main |
| GitHub 仓库 ID | 1264478656 |
| 节点 ID | R_kgDOS15pwA |
| 榜单排名 | #332 (来源榜单内名次) |
| 全站热度排名 | #332 (按 Stars 实时计算,共 5833 条) |
GrowthStar / Fork 增长
每天一次快照,记录 Star 与 Fork 的变化过程
- 当前3,748
- 上一记录点 · 10-25 3,748
- 较上一记录点 ±0
- 共 6 个记录点 跨度 36 天
- 当前254
- 上一记录点 · 10-25 254
- 较上一记录点 ±0
- 共 6 个记录点 跨度 36 天
Timeline时间线
仓库创建2026-06-09 23:24:515 个月前
资料最后更新2026-11-05 13:19:3611 天前
最近一次代码推送2026-10-15 17:20:371 个月前
Commit更新记录
由提交人 backnotprop 提交,主要更新类型为:依赖升级与工程维护。提交说明:chore: patch site dependencies and refresh validation (#27)。更新了依赖与构建配置,跟进上游版本。