Python培训
400-996-5531
Python培训 > Python教程知识 > 正文
Python爬虫学习笔记——信息组织和提取
- 发布：LoneSurvivor
- 来源：面包板社区
- 时间：2017-11-17 16:25
YAML:信息无类型，文本信息比例最高，可读性好。
本文内容转载自网络，本着分享与传播的原则，版权归原作者所有，如有侵权请联系我们进行删除!
(一)信息的标记
标记后的信息可以形成信息组织结构，增加了维度;
标记后的信息可以用于通信、存储或展示;
标记的结构与信息一样具有重要的价值;
1、XML
XML:最早的通用标记语言，可扩展性好，但是繁琐;
Internet 上的信息交互与传递;
2、JSON
JSON:信息有类型，适合程序处理，较XML简洁;
移动应用云端和节点的信息通信，无注释;
3、YAML
YAML:信息无类型，文本信息比例最高，可读性好
各类系统的配置文件，有注释易读
(二)信息的提取
方法一：完整解析信息的标记形式，再提取关键信息。需要标记解析器，例如：bs4库的标签树遍历;
优点：信息解析准确;
缺点：提取过程繁琐，速度慢
方法二：无视标记形式，直接搜索关键信息
测试代码
1、<>.find_all(name,attrs,recursive,string,**kwargs) 返回一个列表类型，存储查找结果。
(1)name: 对标签名称的检索字符串
(2)attrs:对标签属性值检索的字符串，可标注属性检索
(3)recursive: 是否对子孙全部检索，默认True
(4)string: <>…</>中字符串区域的检索字符串
预约申请免费试听课
填写下面表单即可预约申请免费试听！ 怕学不会？助教全程陪读，随时解惑！担心就业？一地学习，可全国推荐就业！
上一篇：梯度下降法及其Python实现
Copyright © Tedu.cn All Rights Reserved 京ICP备08000853号-56 
京公网安备 11010802029508号 达内时代科技集团有限公司 版权所有
选择城市和中心
北京
黑龙江省
吉林省
内蒙古
河北省
陕西省
江苏省
湖北省
四川省
重庆
湖南省
江西省
贵州省
云南省
广西省
海南省
台湾