八、数据提取的概念和数据的分类（数据的提取方法）

1、数据提取的概念和数据的分类

在爬虫爬取的数据中有很多不同类型的数据,我们需要了解数据的不同类型来有规律的提取和解析数据.

• 结构化数据：json，xml等
• 处理方式：jsonpath,xpath,转换python类型处理,bs4，直接转化为python类型
• 非结构化数据：HTML
• 处理方式：正则表达式,xpath,bs4

下面以今日头条的首页为例，介绍结构化数据和非结构化数据

（1）结构化数据例子：

（2）非结构化数据：

（3）XML数据：

<bookstore>
<book category="COOKING">
  <title lang="en">Everyday Italian</title> 
  <author>Giada De Laurentiis</author> 
  <year>2005</year> 
  <price>30.00</price> 
</book>
<book category="CHILDREN">
  <title lang="en">Harry Potter</title> 
  <author>J K. Rowling</author> 
  <year>2005</year> 
  <price>29.99</price> 
</book>
<book category="WEB">
  <title lang="en">Learning XML</title> 
  <author>Erik T. Ray</author> 
  <year>2003</year> 
  <price>39.95</price> 
</book>
</bookstore>

从上面可以看出，xml数据也是结构非常明显的