提取一篇文章的主要内容(JavaScript)

我正在编写一个程序，读取一般的HTML"文章"页面(维基百科，纽约时报，雅虎新闻等)。从那个页面，我想去掉所有的"噪音"(广告，标题栏…任何不属于文章内容的内容。)换句话说，我想保留最重要的东西。(主要内容、标题、作者)

我想想出一个聪明的方法来找到一篇文章的主要内容。我有一些想法，但它们不是我想要的。我不想解析DOM中的每个节点。我目前的想法是使用元素的大小。

任何想法都很感激。从本质上讲，这是一个设计问题。

谢谢。