資訊标記與提取方法

（一）資訊标記的三種形式

資訊标記是跟資訊一樣具有重要價值的資料結構。

1. XML

基于HTML發展來的一種通用的表達形式

2.JSON

有類型的鍵值對key ： value

3. YAML

無類型的鍵值對，利用縮進表達所屬關系

（二）三種資訊标記形式的比較

（三）資訊提取的一般方法

實際應用中，經常采用融合方法，即結合兩種方法提取資訊

執行個體：

要求： 提取HTML中所有URL連接配接

思路：

• 1） 搜尋到所有< a >标簽
• 2）解析< a >标簽格式，提取href後的連結内容

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庫的HTML内容查找方法

find_all,可以在soup變量中查找資訊，一共有五個參數

希望查找的标簽以清單形式作為參數

用for循環查找一系列庫

查找包含course屬性的p标簽

檢索一個字元串

簡寫形式

擴充方法，參數相同