爬虫第11节
信息提取的方法
方法一
完整解析信息的标记形式，再提取关键信息
XML JSON YAML
需要标记解释器，如bs4库标签树遍历
优点：信息解析准确
缺点：提取过程繁琐，过程慢
方法二
无视标记形式，直接搜索关键信息
搜索
对信息的文本查找函数即可
优点：提取过程简介，速度较快
缺点：提取结果准确性与信息内容相关
最后要使用的方法
将两者结合起来
example:
提取HTML中所有url链接
思路：
1. 搜索到所有的a标签
2. 解析a标签的格式，提取href后的链接内容
#采用之前的demo例子
from bs4 import BeautifulSoup
soup = BeautifulSoup(demo,'html.parser')
for link in soup.find_all('a')
print(link.get('href'))
查看19道真题和解析
