228day(信息组织和提取方法)

《2018年5月26日》【连续228天】

标题：信息组织和提取方法；

内容：

1.基于bs4的HTML格式化和编码：
.prettify

2.信息标记的三种形式：

XML,    

JSON：有类型键值对，键值对嵌套用{  ,  }

YAML:无类型键值对 ， |表达整块数据

3.信息提取方法：

方法一：完整解析信息的标记形式，再提取关键信息；

XML, JSON, YAML

需要标记解析器  如：bs4库的标签树遍历；

优点：信息解析准确；

缺点：繁琐

方法二：无视标记形式，直接搜索关键信息；

融合方法：结合形式解析与搜索方法，提取关键信息；

XML JSON YAML  搜索

需要标记解析器及文本查找函数

 

基于bs4库的HTML内容查找方法：

.find_all