從雜亂的 HTML 頁面中精準提取「正文內容」(去除導航、廣告、側邊欄、Footer 等噪聲)是搜索引擎、閱讀模式、內容聚合的核心難題。Mozilla 的 Readability 算法是業界標杆,本文解析其 PHP 移植版 (Readability.php) 的核心邏輯,助你理解或二次開發。
Readability.php