建议：
如果要提取娱乐类的网页，尤其是在图片把正文分割的比较支离破碎时， 建议用Java版代码。Java版实现时对多个正文片段进行合并，可以很好 的处理这一问题。但缺点是正文结尾可能会有少许噪声。
Perl和PHP的实现版本，一遍扫描只求最大行块，不进行拼接。如果出 现特别支离破碎的正文时，可能会有丢失。但优点是边缘的噪声去除的 很好。
有任何问题，欢迎随时联系我：）
陈 鑫 Email: cx3180@gmail.com Blog: http://hi.baidu.com/爱心同盟_陈鑫