文盲的专栏

现在使用python爬虫进行数据采集好像很流行啊，那我们也来学习下python的爬虫吧，嗯，看看龙叔的博客里python的技术路线图，很好，都涵。。。。等等，是不是漏了点什么？仔细

转载地址：http://electiger.blog.51cto.com/112940/19416是XSLT2.0新增的指令，语法：该指令的主要用途为分析字符串。select属性用于指定要分析的字符串，即inputString。regex指定分析规则－－正则表达式。可能包含如下内容元素（子元素）：1，                   用于指定符合正则表达式的

Xml Schema的用途1．  定义一个Xml文档中都有什么元素2．  定义一个Xml文档中都会有什么属性3．  定义某个节点的都有什么样的子节点，可以有多少个子节点，子节点出现的顺序4．  定义元素或者属性的数据类型5．  定义元素或者属性的默认值或者固定值Xml Schema的根元素：<xs:schema xmlns:xs="http://www.w3.org

什么是XML SchemaXMLSchema如同DTD一样是负责定义和描述XML文档的结构和内容模式。它可以定义XML文档中存在哪些元素和元素之间的关系，并且可以定义元素和属性的数据类型。XML Schema本身是一个XML文档，它符合XML语法结构。可以用通用的XML解析器解析它。

使用xpath实现document.querySelector进行html解析（一）：将html转成xml使用xpath实现document.querySelector进行html解析（二）：扩展一下xpath以便支持正则-----------------------------------------------------------------继续我们的工作，在进行下一步之前，先考虑一下，为...

文盲做采集工作也做了有些年头了，一直以来，对采集到的内容都是用正则进行数据提取的，但是使用的时间越长，越觉得使用正则很麻烦。第一，了解正则的人在行业内真的是少数，而且复杂的业务逻辑写出来的正则，隔段时间，自己都看不懂了。。。第二，正则对文档的格式还是有一定要求的，比如说如何提取一个完整的闭合html标签，这个正则就很复杂，用到层深计算了，如果一旦html内出现了非法内容，那就是一场灾难，正则会整个...

使用xpath实现document.querySelector样式选择器进行html解析（一）：将html转成xml使用xpath实现document.querySelector样式选择器进行html解析（二）：扩展一下xpath以便支持正则使用xpath实现document.querySelector样式选择器进行html解析（三）：实现样式选择器------------------------...

在我们日常采集中，有时候可能会对特定标签的样式进行处理，比如选择所有粗体的文字，那么问题来了，这些粗体信息都定义在样式表文件中，页面上没有相关的样式信息，这个时候该如何将样式表定义的样式与html关联起来呢？...