Python爬虫4.26：信息标记的方法，信息提取的方法-搜索+全解析，find_all函数

HTML通过预定义的<>…</>标签行驶组织不同类型的信息

信息标记的三种形式：
1.XML：（eXtensible Markup Language）扩展标记语言

2. JSON（JavaScript Object Notation）
有类型键值对

3.YAML
无类型键值对

3种信息标记形式的比较

BeautifulSoup的find_all()方法
find_all(name, attrs, recursive, string, )
可以省略find_all

1 find_all(name)
soup.find_all([‘a’, ‘b’])：a，b标签
soup.find_all(True)：所有标签
正则表达式：含有a的标签

import re
for tag in soup.find_all(re.compile('b')):
	print(tag.name)
>>> 'body'
>>> 'b'
for tag in soup.find_all(re.compile('a')):
	print(tag.name)
>>> 'head'
>>> 'a'

2 find_all(attrs)
attrs需精确，否则使用正则表达式
正则表达式相当于搜索词

3 recursive=True：搜索所有子孙节点；=False：搜索到儿子节点

4 string

import re
soup.find_all(string = re.compile("Python"))

扩展方法