Come trovare ed estrarre l'immagine "principale" nel sito web

Question

Ho bisogno di aiuto per affrontare un problema. Ho bisogno di un programma che, dato un sito, trovi ed estrae l'immagine "principale", cioè quella che rappresenta il sito. (Per dirlo è il più grande o prima l'immagine è talvolta ma non sempre vera).

Come devo affrontare questo? Ci sono delle librerie che potrebbero aiutarmi con questo? Grazie!

Answer 1

OPZIONE 1

Si potrebbe checkout Goose. Fa qualcosa di simile a ciò che Pocket e Readability fanno, cioè tenta di estrarre l'articolo principale da una determinata pagina web usando un insieme di euristiche. Apparentemente può anche estrarre l'immagine principale da quell'articolo, ma è un po 'incostante, quindi il 60% delle volte funziona ogni volta.

Era un progetto Java ma riscritto su Scala.

Dal readme

oca cercherà di estrarre le seguenti informazioni:

• testo principale di un articolo
• Immagine principale dell'articolo
• qualsiasi film Youtube/Vimeo incorporato nell'articolo
• Meta Descrizione
• Meta tag
• Pubblica Data

Provalo qui: http://jimplush.com/blog/goose

---

OPZIONE 2

Si potrebbe utilizzare un wrapper Java (per esempio GhostDriver) per l'esecuzione di un browser senza testa, ad esempio PhantomJS. Quindi, recupera il sito Web e trova l'elemento img con le dimensioni più grandi. This GhostDriver test case mostra come interrogare il DOM per gli elementi e ottenere la sua dimensione renderd.

---

OPZIONE 3

utilizzare una libreria come jsoup che ti aiuta analizzare HTML. Quindi ottenere il valore dell'attributo src da tutti i tag img. Richiedi ogni URL che trovi per un'immagine e misura le loro dimensioni. È probabile che quello con le dimensioni più grandi sia l'immagine principale del sito.

Answer 2

Hai bisogno dell'intelligenza artificiale per farlo, Computer Vision vale a dire. È troppo grande per contenere una risposta. This link might help

Se sei un matematico con esperienza di Probabilità e regola di Bayes, allora si può semplicemente prendere l'unità di elaborazione chiamato di immagini e Computer Vision.

Se siete alla ricerca di software disponibile che si desidera utilizzare check this out...

This stackoverflow thread might help...

C'è questo software chiamato moodstocks che potrebbe aiutare.

Answer 3

È possibile utilizzare un servizio come embedly. Tra molte altre informazioni ti permettono di estrarre l'immagine principale di qualsiasi pagina. Funziona particolarmente bene per gli articoli. Puoi provarlo here.

Answer 4

Un'altra soluzione sarebbe quella di estrarre i meta tag per la condivisione dei social media in primo luogo, se sono presenti, si è fortunati altrimenti si può provare le altre soluzioni.

<meta property="og:image" content="http://www.example.com/image.jpg"/> 
<meta name="twitter:image" content="http://www.example.com/image.jpg"> 
<meta itemprop="image" content="http://www.example.com/image.jpg"> 

Se si yousing JSOUP il codice sarebbe stato così:

String imageUrlOpenGraph = document.select("meta[property=og:image]").stream() 
      .findFirst() 
      .map(doc -> doc.attr("content").trim()) 
      .orElse(null); 

    String imageUrlTwitter = document.select("meta[name=twitter:image]").stream() 
       .findFirst() 
       .map(doc -> doc.attr("content").trim()) 
       .orElse(null); 

    String imageUrlGooglePlus = document.select("meta[itemprop=image]").stream() 
       .findFirst() 
       .map(doc -> doc.attr("content").trim()) 
       .orElse(null); 

Answer 5

ImageResolver può fare per voi, senza la necessità di interazione lato server, ad eccezione di un piccolo script proxy.