亚洲免费在线-亚洲免费在线播放-亚洲免费在线观看-亚洲免费在线观看视频-亚洲免费在线看-亚洲免费在线视频

05 Python爬蟲之信息標記與提取方法

系統 1682 0

目錄

  • 一、信息標記的三種形式
    • XML格式數據
    • JSON格式數據
    • YAML格式數據
  • 二、信息標記形式的比較
    • XML
    • JSON
    • YAML
  • 三、信息提取的一般方法
    • 方法一:
    • 方法二:
    • 融合方法:
  • 四、基于bs4庫的HTML內容查找方法
    • 擴展方法
  • 總結:

一、信息標記的三種形式

XML格式數據

05 Python爬蟲之信息標記與提取方法_第1張圖片

JSON格式數據

05 Python爬蟲之信息標記與提取方法_第2張圖片

YAML格式數據

05 Python爬蟲之信息標記與提取方法_第3張圖片

二、信息標記形式的比較

XML

  • 最早的通用信息標記語言,可擴展性好,但繁瑣。
  • Internet上的信息交互與傳遞

JSON

  • 信息有類型,適合程序處理(js),較XML簡潔
  • 移動應用云端和節點的信息通信,無注釋、

YAML

  • 信息無類型,文本信息比例最高,可讀性好
  • 各類系統的配置文件,有注釋易讀

三、信息提取的一般方法

方法一:

  • 完整 解析信息 的標記形式,再提取 關鍵信息

  • XML JSON YAML

    需要標記解析器,例如:bs4庫的標簽樹遍歷

  • 優點: 信息解析準確

  • 缺點: 提取過程繁瑣,速度慢

方法二:

  • 無視標記形式, 直接搜索關鍵信息

  • 搜索

    對信息的文本查找函數即可

  • 優點: 提取過程簡潔,速度較快

  • 缺點: 提取結果準確性與信息內容相關

融合方法:

  • 融合方法:結合 形式解析 搜索 方法,提取關鍵信息

  • XML JSON YAML 搜索

    需要標記解析器及文本查找函數

實例:

提取HTML中所有URL鏈接

思路:

  1. 搜索到所有 標簽
  2. 解析 標簽格式,提取href后的鏈接內容
          
            import requests
r = requests.get("http://www.baidu.com")    # 得到response響應數據
r.encoding = r.apparent_encoding            # 指定字符編碼
demo = r.text

import bs4
# 制作soup
soup = bs4.BeautifulSoup(demo,"html.parser")    # 要解析的內容,html解析器
# 提取鏈接內容
for link in soup.find_all("a"): # 查找所有a標簽,并遍歷
    print(link.get("href"))     # 標簽類型,搜索href標簽后的鏈接內容
          
        

四、基于bs4庫的HTML內容查找方法

<>.find_all(name,attrs,recursive, string, **kwargs) 方法

返回一個列表類型,存儲查找的結果

  • name : 對標簽名稱的檢索字符串
  • attrs: 對標簽屬性值的檢索字符串,可標注屬性檢索
  • recursive: 是否對子孫全部檢索,默認True
  • string: <>…中字符串區域的檢索字符串

擴展方法

方法 說明
<>.find() 搜索且只返回一個結果,同.find_all()參數
<>.find_parents() 在先輩節點中搜索,返回列表類型,同.find_all()參數
<>.find_parent() 在先輩節點中返回一個結果,同.find()參數
<>.find_next_siblings() 在后續平行節點中搜索,返回列表類型,同.find_all()參數
<>.find_next_sibling() 在后續平行節點中返回一個結果,同.find()參數
<>.find_previous_siblings() 在前序平行節點中搜索,返回列表類型,同.find_all()參數
<>.find_previous_sibling() 在前序平行節點中返回一個結果,同.find()參數

總結:

05 Python爬蟲之信息標記與提取方法_第4張圖片


更多文章、技術交流、商務合作、聯系博主

微信掃碼或搜索:z360901061

微信掃一掃加我為好友

QQ號聯系: 360901061

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧,狠狠點擊下面給點支持吧,站長非常感激您!手機微信長按不能支付解決辦法:請將微信支付二維碼保存到相冊,切換到微信,然后點擊微信右上角掃一掃功能,選擇支付二維碼完成支付。

【本文對您有幫助就好】

您的支持是博主寫作最大的動力,如果您喜歡我的文章,感覺我的文章對您有幫助,請用微信掃描上面二維碼支持博主2元、5元、10元、自定義金額等您想捐的金額吧,站長會非常 感謝您的哦!!!

發表我的評論
最新評論 總共0條評論
主站蜘蛛池模板: 国产成人精品高清在线观看99 | 日韩在线操 | 四虎影视在线影院www | 国产福利一区视频 | 亚洲综合色婷婷中文字幕 | 四虎影视亚洲精品 | 亚洲在线一区 | 爱爱毛片 | free性欧美极度另类超级大 | 久久久精品免费热线观看 | 欧美中文字幕在线看 | 色片在线免费观看 | 一级骚片超级骚在线观看 | 中文字幕日韩高清 | 国产成人亚洲毛片 | 中国一级一级全黄 | 我想看一级黄色毛片 | 日本在线黄| 中文字幕色 | 亚洲精品久久久久久小说 | 亚洲 欧美 成人日韩 | 亚洲精品三区 | 香蕉人人超 | 99热热久久这里只有精品166 | 亚洲视频一区在线 | 在线播放日本爽快片 | 手机福利在线 | 成人精品视频在线观看播放 | 青青青国产手机免费视频 | 亚洲sss综合天堂久久久 | 九九影院在线观看 | 日韩欧美亚洲每的更新在线 | 久久网精品视频 | 亚洲国产一成人久久精品 | 色综合久久精品中文字幕 | 日本特级毛片 | 一级毛片免费视频日本 | 毛片在线视频观看 | 日操操 | www.夜夜骑.com | 精品免费福利视频 |