1.索引页提取效果
2.正文页提取效果
（注：蓝线框出部分为噪声文字，即不属于该篇新闻的内容，红色框出部分为新闻下一页内容，该篇新闻有多页）
当正文中有ATAG 和英文 是正文抽取的情况
结果
含有英文
