python爬虫基础知识—04信息的标记

信息的标记
标记后的信息可形成信息组织结构，增加了信息维度
标记后的信息可用于通信、存储或展示

1、XML
用<> 来表示信息 <name>  可扩展性好，但繁琐

2、JOSN JavaScript Object Notation
有类型的键值对 key:value
"key":[value1,value2]
信息有类型，适合程序处理（js），较XML简洁
移动应用云端和节点的信息通信，无注释

3、YAML YAML AINT'T Markup Language
无类型键值对 key:value
| 表示整块数据 # 表示注释
信息无类型，文本信息比例最高，可读性好
各类系统的配置文件，有注释易读

4、实例
提取html中所有URL链接
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    
      
5、find_all(name,attrs,recursive,string,**kwargs)
返回一个列表类型，存储查找的结果
name：对标签名称检索的字符串
如果给出的标签名称是True，将显示当前所有标签名称
for tag in soup.find_all(True):
    print(tag.name)
查找以b开头的标签
for tag in soup.find_all(re.compile('b')):
    print(tag.name)
    
name：对标签名称的检索字符串
attrs：对标签属性值的检索字符串，可标注属性检索
recursive：是否对子孙全部检索，默认True
string：<>...</> 中字符串区域的检索字符串

<tag>(..)等价于<tag>.find_all(..)
soup(..)等价于 soup.find_all(..)

https://www.cnblogs.com/kongzhagen/p/8315204.html

re正则表达式库