python爬蟲之html界面的信息表達形式（內容豐富，包含信息標記的組織形式，絕對是你聽得懂的）

python爬蟲之網頁信息表達形式

爬到的html頁面中信息那麼多，你又不是那麼專業，怎麼獲取到你想要的信息？

• 先普及一些關於html頁面中信息的組成，下面是我截取的百度的網頁源碼組成部分，除了url是藍色的，明顯的有三種顏色不同，形式各異的標籤語言，分別是XML，JSON，YAML
  
• XML
  • 看單詞就知道跟HTML很像，確實是從HTML語言發展過來的
  • XML成爲擴展標籤語言，主要以標籤爲主，組織信息
  • 標籤是啥？
    • 標籤是：< 標籤名 標籤屬性（標籤的大小，顏色等）>…(內部的具體信息）…< /標籤名 >,形如< p > … < /p >
    • 註釋< !-- 我是註釋 – >
    • 單括號標籤 < name / >,a標籤就是單邊
      
• JSON（就是紅色那塊）
  • 用有類型的鍵值對構造的信息表達方式，key ：value,其中key和value都是指定類型的
  • 本質：JavaScript語言中對象的字符串表示法，就是js這個語言中的一種數據類型，可以將json語言轉成js語言的編程部分
  • 形式：

    • 注意key和value都是有類型的
      

    • 嵌套使用，用花括號連接
      

    • 一個key，對應多個value，用方括號連接
      

一共就三種信息表達形式，兩種都講了，還有一種就提一下

• YAML（不好意思，這裏面沒有）
• 特徵：無類型的鍵值對，來作爲信息的表達形式
• 應用：各類系統的配置文件，有註釋易讀
• 形式
  • 無類型
    
  • 縮進表達所屬關係

• “-”表達並列關係

• | 表達數據塊 # 表示註釋
  

對比一下上述三種信息表達方式

• 分別用三中信息表達形式表示同樣的一段信息
• XML形式
  
• JSON形式

• YAML形式
  
• 通過對比發現，用三種形式表達相同數據，發現：
  • YAML利用率比較高，不是嗎？廢話比較少，無用的符號與有用的數據佔比較高。所以YAML可讀性好，用於書寫各類系統的配置文件
  • JSON由於和JS語言的關係，可以用於移動應用雲端和節點的信息通信
  • XML從HTML發展來的，所以作爲HTML網頁的框架