信息标记与提取方法
1.信息标记的意义
-
标记后的信息可形成信息组织结构,增加了信息维度
-
标记的结构与信息一样具有重要价值
-
标记后的信息可用于通信、存储或展示
-
标记后的信息更利于程序理解和运用
2.信息标记的种类(三种形式)
2.1 XML
XML实例:
2.2 JSON
2.2.1 单值表示形式
2.2.2 多值表示形式
2.2.3 键值对嵌套
JSON实例:
2.3 YAML
2.3.1缩进表示所属关系
2.3.2 -表示并列关系
2.3.3 |表达整块数据;#表示注释
YAML实例:
3.三种信息标记形式的比较
XML | 最早的通用信息标记语言,可扩展性好,但繁琐 | Internet上的信息交互与传递 |
---|---|---|
JSON | 信息有类型,适合程序处理(js),较XML简洁 | 移动应用云端和节点的信息通信,无注释 |
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 |
4.信息提取方法
4.1 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
4.2 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
-
优点:提取过程简洁,速度较快
-
缺点:提取结果准确性与信息内容相关
4.3 方法三(融合方法)
结合形式解析与搜索方法,提取关键信息,需要标记解析器及文本查找函数
5.基于bs4库的HTML内容查找方法
<>.find_all(name, attrs, recursive, string, **kwargs)
-
name : 对标签名称的检索字符串
-
attrs: 对标签属性值的检索字符串,可标注属性检索
-
recursive: 是否对子孙全部检索,默认True