python爬虫——信息标记与提取方法

本文探讨了信息标记的三种主要形式:XML、JSON和YAML,以及信息提取的一般方法,包括完整解析标记形式和直接搜索关键信息。通过对比不同标记语言的特点,文章深入介绍了如何利用Python库如bs4进行标记解析和信息提取。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

信息标记的三种形式

XML:<>…</>(html扩展)

< name >...< /name >
< name />
< !-- -- >

JSON:有类型key:value

'key":"value"
"key":["value1","value2"]
"key":{"subkey":"subvalue"}

YAML:无类型key:value

key:value
key:#Comment
-value1
-value2
key:
	subkey:subvalue

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

信息提取的一般方法

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

方法二:无视标记形式,直接搜索关键信息,对信息的文本查找函数即可

两种方法混合使用

函数:
< tag >.find_all(…) 等价于 < tag >(…)

soup.find_all(…) 等价于soup(…)

在这里插入图片描述

import re
re.compile(...)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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