爬蟲的數(shù)據(jù)提取方法_第1頁
爬蟲的數(shù)據(jù)提取方法_第2頁
爬蟲的數(shù)據(jù)提取方法_第3頁
爬蟲的數(shù)據(jù)提取方法_第4頁
爬蟲的數(shù)據(jù)提取方法_第5頁
已閱讀5頁，還剩5頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認(rèn)領(lǐng)

文檔簡介

爬蟲的數(shù)據(jù)提取方法1、了解結(jié)構(gòu)化數(shù)據(jù)

2、了解非結(jié)構(gòu)化數(shù)據(jù)

3、掌握結(jié)構(gòu)化數(shù)據(jù)提取方法

4、掌握非結(jié)構(gòu)化數(shù)據(jù)提取方法1、結(jié)構(gòu)化數(shù)據(jù)提取方法

2、非結(jié)構(gòu)化數(shù)據(jù)提取方法

JSON類型數(shù)據(jù)JSON(JavaScriptObjectNotation,JS對象簡譜)是一種輕量級的數(shù)據(jù)交換格式。簡潔和清晰的層次結(jié)構(gòu)使得JSON成為理想的數(shù)據(jù)交換語言。結(jié)構(gòu)化數(shù)據(jù)提取方法JSON類型數(shù)據(jù)提取方法python中提供了json模塊。其中的dump和load可以完成json文件和python字典類型的轉(zhuǎn)換。其中的dumps和loads可以完成python字典類型和字符串類型的轉(zhuǎn)換。結(jié)構(gòu)化數(shù)據(jù)提取方法XML類型數(shù)據(jù)XML可擴展標(biāo)記語言是一種元標(biāo)記語言，即定義了用于定義其他特定領(lǐng)域有關(guān)語義的、結(jié)構(gòu)化的標(biāo)記語言，這些標(biāo)記語言將文檔分成許多部件并對這些部件加以標(biāo)識。結(jié)構(gòu)化數(shù)據(jù)提取方法XML類型數(shù)據(jù)提取方法XPath即為XML路徑語言（XMLPathLanguage），它是一種用來確定XML文檔中某部分位置的語言。XPath基于XML的樹狀結(jié)構(gòu)，提供在XML文檔模型中找尋節(jié)點的能力。結(jié)構(gòu)化數(shù)據(jù)提取方法HTML類型數(shù)據(jù)提取方法HTML是XML的一個子集，當(dāng)然也可以使用XPath去選擇節(jié)點。HTML也可以使用CSS選擇器去選擇節(jié)點。結(jié)構(gòu)化數(shù)據(jù)提取方法非結(jié)構(gòu)化數(shù)據(jù)提取方法非結(jié)構(gòu)化數(shù)據(jù)如：文本、電話號碼、郵箱地址等適合用正則表達(dá)式來提取正則表達(dá)式通常被用來檢索、替換那些符合某個模式(規(guī)則)的文本。比如電話號碼具有一般全都由數(shù)字組成，長

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論