原创 Python爬虫学习笔记（4）——信息组织和提取

YAML:信息无类型，文本信息比例最高，可读性好

（一）信息的标记

标记后的信息可以形成信息组织结构，增加了维度；

标记后的信息可以用于通信、存储或展示；

标记的结构与信息一样具有重要的价值；

1、XML

XML:最早的通用标记语言，可扩展性好，但是繁琐；

Internet 上的信息交互与传递；

2、JSON

JSON:信息有类型，适合程序处理，较XML简洁；

移动应用云端和节点的信息通信，无注释；

3、YAML

YAML:信息无类型，文本信息比例最高，可读性好

各类系统的配置文件，有注释易读

(二)信息的提取

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

测试代码

1、<>.find_all(name,attrs,recursive,string,**kwargs)   返回一个列表类型，存储查找结果。

（1）name: 对标签名称的检索字符串

（2）attrs:对标签属性值检索的字符串，可标注属性检索

（3）recursive: 是否对子孙全部检索，默认True

（4）string: <>…</>中字符串区域的检索字符串​​