python爬虫学习笔记--信息标记

最新推荐文章于 2021-03-14 16:50:53 发布
原创 最新推荐文章于 2021-03-14 16:50:53 发布 · 241 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文对比了XML、JSON和YAML三种信息标记语言的特点。XML采用标签形式，适用于通用信息表达；JSON利用键值对，适合JavaScript应用；YAML则简化键值对结构，通过缩进表达层次。

 

信息标记：XML ，JSON， YAML

XML :

标签形式， 通用的信息表达形式

标签中有内容： <name> ... </name>

标签中没有内容： <name />

注释： <! -- -->

JSON（Javascript）:

有类型的键值对 -- key：value

一个键可以对应多个值（用list涵盖）

也可以嵌套使用（使用大括号）

YAML：

“无类型”键值对 key：value（不用加“”）

使用缩进表示嵌套的所属关系（类似python）

| 竖线表示整块数据， # 表示注释， - 减号表示并列的value信息

python3网络爬虫开发实战笔记-第一章
weixin_45751562的博客
05-30 1166
python读书笔记
Python爬虫笔记1-爬虫背景了解
weixin_33910759的博客
02-07 6917
学习python爬虫的背景了解。 大数据时代数据获取方式 如今，人类社会已经进入了大数据时代，数据已经成为必不可少的部分，可见数据的获取非常重要，而数据的获取的方式大概有下面几种。 企业生产的数据，大型互联网公司有海量的用户，所以他们积累数据有天然的优势 数据管理资讯公司 政府/机构提供的公开数据 第三方数据平台购买数据 爬虫爬取数据 ...
Python-爬虫-信息标记
chi's blog
11-08 303
HTLM是WWW的信息组织方式 H->hyper, T->text, M->markup, L->language, HTML通过预定义的<>…</>标签形式组织不同类型的信息. <html><head><title>This is a python demo page</title></head...
数据爬虫与标注
qq_45802081的博客
03-14 816
1、如何看懂网页 网页的构成： 通常来说网页由三部分组成,分别是HTML, CSS , Javascript，下面我们分别介绍这三个部分。 1.1HTML HTML是HyperText Mark-up Language的首字母简写,即超文本标记语言。 HTML不是编程语言,而是一种标记语言。超文本指的是超链接,标记指的是标签 所以HTML由一个个标签组成 1.2 CSS CSS指层叠样式表，用来定义如何显示控制HTML元素 1.3 Javascript HTML与CSS只能够显示静态页面,缺乏交互性。我
python爬虫 信息标记和信息提取
routing666的博客
07-27 264
三种： XML JSON 【无论是键还是值都要有双引号】 多值： 嵌套： 【JSON中无法添加注释】 YAML 【没有双引号】 嵌套 （用缩进表达） 并列： 整块数据：| 信息提取 实例：解析提取所有的URL链接 >>> import requests &...
python爬虫——信息标记与提取方法
过气久远的博客
02-15 349
信息标记的三种形式 XML：&lt;&gt;…&lt;/&gt;（html扩展） &lt; name &gt;...&lt; /name &gt; &lt; name /&gt; &lt; !-- -- &gt; JSON：有类型key：value 'key":"value" "key":["value1","value2&quot
爬虫提取标签的几种方式
chang995196962的博客
10-25 9068
我最喜欢用两种解析方式 #第一种解析方式 etree+xpath 提取匹配标签 a = &amp;quot;&amp;amp;lt;div class='a'&amp;amp;gt;123&amp;amp;lt;p&amp;amp;gt;1455555&amp;amp;lt;/p&amp;amp;gt;&amp;amp;lt;/div&amp;amp;gt;&amp;quot; from lxml import e
精选资源
python 爬虫学习笔记
03-09
Python 爬虫学习笔记 本文将详细介绍 Python 爬虫学习笔记的知识点，涵盖爬虫基础、网络和前端基础、Requests 模块、请求头、GET 和 POST 请求、代理、Cookie 模拟登录、Quote 和 Unquote、登录和获取 Cookie、Post...
Python编程学习笔记 - 2021年3月版本
根据提供的文件信息，我们可以了解到有关于Python编程语言的学习资源。文件标题和描述均为"LearnPython-March2021"，表明这是一个以Python为主题的教程或课程材料，文件标签为"Python"，强调了资源的内容专注于...
基于Python语言的爬虫技术学习笔记设计源码
最新发布
10-03
本学习笔记项目通过一系列精心设计的源码文件，向学习者展示了如何利用Python及其丰富的第三方库来构建一个功能完备的网络爬虫。项目共包含37个文件，其中21个为Python源代码文件，这些文件是项目的核心，它们包含了...
Python爬虫-信息标记与提取
qq_46068895的博客
05-20 404
本文介绍了信息标记的三种形式，信息的标记，信息提取的一般方法（附代码）bs4库的HTML内容查找方法（附代码，可运行）
获取手机号码被360标记问题(代码备份)
LQ19900221的博客
12-06 2607
/***********************************************************************     * 检查大号是否被360标志     * 作者：Edward     * 日期：2016-11-24     * 参数：     * 代码逻辑：     * 备用测试号码：18682421839(诈骗)，15738969521(快递送
信息标记的三种形式(爬虫基础)
马马也的个人博客
05-02 780
一. 前言 学习爬虫不仅要学习怎样爬取到一个网页,更要学习如何将爬取到的内容进行解析,没有解析的数据是没有价值的,下面就让我们看一下网页中信息标记的三种形式. 二. 三种形式: 1.XML(可扩展标记语言): (1)主要通过标签的形式对信息进行标记: 例: <name>内容</name> (中间有内容) <name/&gt...
python 爬虫爬取360安全卫士对某一个号码的标识
weixin_34146986的博客
04-26 755
手机客户端通常会安装了一些类似360安全卫士，手机安全卫士等等诸如此类的软件，这些软件可以标识过滤一些电话号码是诈骗电话、骚扰电话或广告推销............ 由于公司是线商业务，很多号码配置给客户作为电话销售使用从而被标识为各种性质的标记，需要把一些不利于被人接受的号码过滤掉。考虑到号码众多，一个个查看显然工作量大，时效低。从而考虑到用python爬虫收集数据实...
python爬虫学习笔记 -- 信息提取 及HTML内容查找方法(soup.find_all()) + 正则表达式
Changod的博客
04-27 5739
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 直接对信息的文本查找函数即可 优点：简介， 快速 缺点：提取结果准确性与信息内容相关 融合方法：结合形式的解析和搜索方法，提取关键信息 XML JSON YAML搜索 需要标记解析...
python爬虫学习笔记--BeautifulSoup （二）（三种遍历类型）
Changod的博客
04-27 855
demo = ("http://python123.io/ws/demo.html").text 标签树遍历方式： 下行遍历： .content() // 当前节点子节点的列表，将<tag>所有儿子节点存入列表 .children() // 子节点的迭代类型，循环编列儿子节点（类似content） .descendants() // 获取当前节点所有后续节点的信息（迭代类...
pyinstaller -- python代码的封装
Changod的博客
04-29 466
使用pyinstaller库可以把python代码封装成exe文件 注意，是全自动的哦！！！真的是太感人了，对于程序员而言，能用上自己开发的软件简直是莫大的幸福 执行 pip3 install pyinstaller 就可以安装了奥，不过必须要搭梯子才能success，尴尬不 之后进入py文件目录下执行命令 pyinstaller -F 文件名.py 之后就能在当前目录下的dist文件夹...
再进阶版（依旧low的） -- python翻译爬虫详解
Changod的博客
04-28 376
这次更新支持了短文的查询 下面是过程： 首先找到一篇短文： Today, my mother has something to do, so she needs to meet her friends. I make a promise that I will clean the house when she returns. But I become lazy soon. I start ...
python爬虫学习笔记--BeautifulSoup （一）
Changod的博客
04-27 355
BeautifulSoup 库 -- 解析，遍历， 维护标签树的功能库, 也叫beautifulsoup4库或者bs4 from bs4 import BeautifulSoup（从bs4中引入类）/ import bs4 <p class="title">...</p> // p:标签的名称，成对出现，表明范围 p的中间出现域，class的属性是“title...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值