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(...)