方式
說明應用領域
xml最早的通用資訊標記語言，可擴充套件性好，但繁瑣
internet上資訊的互動與傳遞
json
資訊有型別，適合程式處理(js)，比xml簡潔
移動應用雲端和節點的資訊通訊，無注釋
yaml
資訊無型別，文字資訊比例最高，可讀性好
各類系統的配置檔案，有注釋易讀
二.資訊提取的方法
1。完整解析資訊的標記形式，再提取關鍵資訊。
需要標記解析器，例如：bs4庫的標籤遍歷
優點：資訊解析準確
缺點：提取過程繁瑣，速度慢
2.。無視標記形式，直接搜尋關鍵資訊
需要資訊的文字查詢函式
優點：提取過程簡單，速度較快
缺點：提取結果準確性與資訊內容相關。
3.。融合以上兩種方法（更好）
例如：提取htmml中的所有url鏈結
思路：1）搜尋到所有《a》標籤
2）解析《a》標籤格式，提取href後的鏈結內容。
python爬蟲 selenium標記資訊修改
from selenium.webdriver import chrome from selenium.webdriver import chromeoptions option chromeoptions option.add experimental option excludeswitches...
python 網路爬蟲之資訊標記與提取
find all name,attrs,recursive,string,kwargs 返回列表型別，儲存查詢結果 屬性說明 name 對標籤名稱的檢索字串,可以 attrs 對標籤屬性值的檢索字串，可標註屬性檢索 recursive 是否對子孫所有節點進行搜尋，預設true string 對標籤中...
Python網路爬蟲入門（四）
beautifulsoup庫 from bs4 import beautifulsoup html soup beautifulsoup html,lxml 列印所有的tr標籤 trs soup.find all tr for tr in trs print tr 獲取第二個tr標籤 tr soup...