对大多数页面都可以除去html标签，但是对例如>类的标签还缺乏些资料。另外，对搜狐的那种比较奇怪的链接也是暂时没有解决问题，不知道搜狐自己为什么搞那种链接。。。。。。
代码在附件里，环境不变。