数据提取的概念和数据的分类

lizoe_

于 2019-01-23 11:00:56 发布

阅读量5.9k

点赞数

CC 4.0 BY-SA版权

分类专栏：简述文章标签：爬虫 Python 数据提取数据的分类

本文链接：https://blog.youkuaiyun.com/lizoe_/article/details/86606543

简述专栏收录该内容

13 篇文章

订阅专栏

数据提取是指从响应中获取所需数据的过程。在爬虫中，数据分为结构化数据（如JSON, XML，易于转化为Python类型）和非结构化数据（如HTML，常使用正则表达式、XPath处理）。以今日头条首页为例，展示了结构化数据和非结构化数据的差异。" 59542473,4957801,在Linux(CentOS)上安装与配置JDK和Tomcat,"['Linux系统', 'JDK安装', 'Tomcat部署']

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1. 什么是数据提取

简单的来说，数据提取就是从响应中获取我们想要的数据的过程
在这里插入图片描述

2. 爬虫中数据的分类

结构化数据：json，xml等
- 处理方式：直接转化为python类型
非结构化数据：HTML
- 处理方式：正则表达式、xpath

下面以今日头条的首页为例，介绍结构化数据和非结构化数据

结构化数据例子：
非结构化数据：

XML数据：

<bookstore>
<book category="COOKING">
  <title lang="en">Everyday Italian</title> 
  <author>Giada De Laurentiis</author> 
  <year>2005</year> 
  <price>30.00</price> 
</book>
<book category="CHILDREN">
  <title lang="en">Harry Potter</title> 
  <author>J K. Rowling</author> 
  <year>2005</year> 
  <price>29.99</price> 
</book>
<book category="WEB">
  <title lang="en">Learning XML</title> 
  <author>Erik T. Ray</author> 
  <year>2003</year> 
  <price>39.95</price> 
</book>
</bookstore>