2 Commits

Author	SHA1	Message	Date
oy2020	dbe9ba3629	新增标题层级处理规则：1. 新增主页链接；2.新增docx后处理，合并同一层级的标题；3. 优化层级，h1不重复	2026-02-09 18:53:32 +08:00
oy2020	c707704d80	更新爬虫方案文档，增加摘要提取模块以生成文档摘要；优化基础爬虫类的标题提取逻辑，支持多个选择器，调整内容处理逻辑以去除重复标题。	2026-01-31 16:34:13 +08:00