3 repository-uri
Awesome GitHub RepositoriesWeb Content Parser CLI
A terminal-based tool for retrieving and parsing web page content.
Distinct from Command Line Parsers: Shortlist candidates are focused on argument parsing or web servers; this is a functional tool for parsing HTML via CLI.
Explore 3 awesome GitHub repositories matching development tools & productivity · Web Content Parser CLI. Refine with filters or upvote what's useful.
Awesome Web Content Parser CLI GitHub Repositories
Găsește cele mai bune repo-uri cu AI.Vom căuta cele mai potrivite repository-uri folosind AI.
- postlight/parser
postlight/parser
5,786Vezi pe GitHubPostlight Parser is a command-line tool that extracts the main article content from any web page URL, returning clean structured data including the title, author, date, excerpt, and lead image while stripping away ads and clutter. It uses a readability-based heuristic that scores HTML elements on text density and structural cues to identify the article body, and can accept pre-fetched HTML strings directly for parsing instead of fetching the URL. The tool distinguishes itself through a modular architecture that supports domain-specific extractor overrides, allowing custom JavaScript modules t
Ships a terminal-based tool for retrieving and parsing web page content with format and header flags.
JavaScriptjestlabsmercury - danburzo/percollate
danburzo/percollate
4,647Vezi pe GitHubPercollate este un instrument în linie de comandă pentru convertirea paginilor web și a fluxurilor RSS în fișiere structurate. Funcționează ca un convertor de conținut web, generator de documente statice și bundler de pagini care transformă conținutul online în formate PDF, EPUB, HTML sau Markdown. Instrumentul creează documente auto-conținute prin încorporarea imaginilor externe ca URL-uri de date codificate și aplicarea de template-uri HTML și stylesheet-uri CSS personalizate. Poate combina mai multe URL-uri web sau intrări de flux într-o singură carte digitală care dispune de un cuprins generat și un index cu hyperlink-uri. Capabilitățile suplimentare includ descompunerea fluxurilor Atom și RSS în articole individuale și programarea secvențială a cererilor pentru a gestiona ritmul traficului la preluarea conținutului de pe servere.
Provides a command-line interface for transforming web pages and RSS feeds into various document formats.
JavaScript - kepano/defuddle
kepano/defuddle
3,189Vezi pe GitHubDefuddle is a command line web parser and content extractor designed to isolate the primary article body from web pages and convert the result into standardized markdown. It functions as a content cleaner that removes layout clutter, such as sidebars and headers, to retrieve the main text and associated metadata. The tool provides a terminal interface that processes content from remote URLs, local files, or piped HTML streams. It supports custom content targeting, allowing users to specify CSS selectors to manually define the main content area when automatic detection is insufficient. The sy
Provides a terminal interface for retrieving and parsing web content using URLs, local files, or piped HTML.
TypeScript
