Fwd: Fwd: Goolap enjoy

[Marc Hofer]

Hallo Enjoy Team,

Andy hat eine Frage an Euch, siehe unten.
@Felix: Kannst Du Andy auf die Mailing-Liste hinzufï¿œgen? Ist im CC.

Viele Grￜￜe,
Marc

-------- Original-Nachricht --------

Betreff:	Fwd: Goolap enjoy
Datum:	Mon, 10 Jan 2011 16:48:28 +0100
Von:	Andy Voigt <voi...@mailbox.tu-berlin.de>
An:	Marc Hofer <ma...@marc-hofer.de>

ï¿œHallo Enjoy Team,

wir haben ein Problem mit Seitenleisten in Blogs z.B.:


goolap (Juliette Lewis):

http://goolap.info/?entityId=&entityText=&parentNodeId=829518c9%3A012d70268a2b%3Ae448%3A0931e84e&newSearch=Juliette+Lewis&analyze=analyze&_sourcePage=1DeYT5eM_v29TV_Tx7wkgEwoXm-96rd914Xz_N6U1Iw%3D&__fp=8OOc1EK5DeU%3D&ajax=true&ajax=true

Quelle:
http://youngsexycelebs.blogspot.com/2010/09/victoria-justice_22.html

http://youngsexycelebs.blogspot.com/2010/09/miley-cyrus.html



Klickt man die Seite durch bleibt die Seitenleiste erhalten. Wenn wir die Seite herunterladen und mittels Calais extrahieren bekommen wir Ergebnisse zurï¿œck die aus den Seitenleisten stammen und vï¿œllig uninteressant sind bzw. die Daten in der Datenbank verfï¿œlschen (verschiedene URLs gleiche Daten). 


Was wir im Moment verwenden ist Jericho und Boilerpipe. Wir kï¿œnnten in Jericho den html cleanser hï¿œher stellen und nur noch <p> Tags nehmen. Gibt es hierfï¿œr schon was besseres, was gezielt auf Seitenleisten geht? 



Im zweiten Meilensteinen hatte Jessica mal was gezeigt, was in die Richtung geht kï¿œnnte ihr mal die Urls (Quelle) mit diesem Script testen?

-- 
Mit freundlichen Grￜￜen / Kind Regards
Andy Voigt