目录
一、信息标记的三种形式
XML格式数据
JSON格式数据
YAML格式数据
二、信息标记形式的比较
XML
- 最早的通用信息标记语言，可扩展性好，但繁琐。
- Internet上的信息交互与传递
JSON
- 信息有类型，适合程序处理(js)，较XML简洁
- 移动应用云端和节点的信息通信，无注释、
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
三、信息提取的一般方法
方法一：
方法二：
融合方法：
实例：
思路：
import requests
r = requests.get("http://www.baidu.com") # 得到response响应数据
r.encoding = r.apparent_encoding # 指定字符编码
demo = r.text
import bs4
# 制作soup
soup = bs4.BeautifulSoup(demo,"html.parser") # 要解析的内容，html解析器
# 提取链接内容
for link in soup.find_all("a"): # 查找所有a标签，并遍历
print(link.get("href")) # 标签类型，搜索href标签后的链接内容四、基于bs4库的HTML内容查找方法
<>.find_all(name,attrs,recursive, string, **kwargs) 方法：
返回一个列表类型，存储查找的结果
- name : 对标签名称的检索字符串
- attrs: 对标签属性值的检索字符串，可标注属性检索
- recursive: 是否对子孙全部检索，默认True
- string: <>…</>中字符串区域的检索字符串
扩展方法
| 方法 | 说明 |
|---|---|
| <>.find() | 搜索且只返回一个结果，同.find_all()参数 |
| <>.find_parents() | 在先辈节点中搜索，返回列表类型，同.find_all()参数 |
| <>.find_parent() | 在先辈节点中返回一个结果，同.find()参数 |
| <>.find_next_siblings() | 在后续平行节点中搜索，返回列表类型，同.find_all()参数 |
| <>.find_next_sibling() | 在后续平行节点中返回一个结果，同.find()参数 |
| <>.find_prevIoUs_siblings() | 在前序平行节点中搜索，返回列表类型，同.find_all()参数 |
| <>.find_prevIoUs_sibling() | 在前序平行节点中返回一个结果，同.find()参数 |
总结：
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
