python爬虫——信息标记与提取方法

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

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(…)

import re
re.compile(...)