GNE 上线 4 天，已经有很多朋友通过它来编写自己的新闻类网页通用爬虫。今天有一个用户来跟我反馈，GNE 0.1.4 版本在提取澎湃新闻时，只能提取一小部分的内容。一开始我以为是提取算法有问题，Debug 了半天，最后才发现，是新闻正文在预处理的时候，就被提前删除了！为了解释这个问题，我们用一小段 HTML 代码来还原当时的场景：12345678910111213h = ''' 第一行 第二行 第三行 '''阅读过 GNE 源代码的朋友都知道，GNE 会在预处理阶段尽可能移……