信息标记与提取方法

（一）信息标记的三种形式

信息标记是跟信息一样具有重要价值的数据结构。

1. XML

基于HTML发展来的一种通用的表达形式

2.JSON

有类型的键值对key ： value

3. YAML

无类型的键值对，利用缩进表达所属关系

（二）三种信息标记形式的比较

（三）信息提取的一般方法

实际应用中，经常采用融合方法，即结合两种方法提取信息

实例：
要求： 提取HTML中所有URL连接
思路：

• 1） 搜索到所有< a >标签
• 2）解析< a >标签格式，提取href后的链接内容

import requests
from bs4 import  BeautifulSoup
r = requests.get("http://python123.io/ws/demo.html")
demo = r.text
soup = BeautifulSoup(demo, "html.parser")
for link in soup.find_all('a'):
    print(link.get('href'))

（4）基于bs4库的HTML内容查找方法

find_all,可以在soup变量中查找信息，一共有五个参数

希望查找的标签以列表形式作为参数

用for循环查找一系列库

查找包含course属性的p标签

检索一个字符串

简写形式

扩展方法，参数相同