一、資訊标記的三種形式
XML格式資料
JSON格式資料
YAML格式資料
二、資訊标記形式的比較
XML
最早的通用資訊标記語言，可擴充性好，但繁瑣。
Internet上的資訊互動與傳遞
JSON
資訊有類型，适合程式處理(js)，較XML簡潔
移動應用雲端和節點的資訊通信，無注釋、
YAML
資訊無類型，文本資訊比例最高，可讀性好
各類系統的配置檔案，有注釋易讀
三、資訊提取的一般方法
方法一：
完整解析資訊的标記形式，再提取關鍵資訊
XML JSON YAML
需要标記解析器，例如：bs4庫的标簽樹周遊
優點：資訊解析準确
缺點：提取過程繁瑣，速度慢
方法二：
無視标記形式，直接搜尋關鍵資訊
搜尋
對資訊的文本查找函數即可
優點：提取過程簡潔，速度較快
缺點：提取結果準确性與資訊内容相關
融合方法：
融合方法：結合形式解析與搜尋方法，提取關鍵資訊
XML JSON YAML 搜尋
需要标記解析器及文本查找函數
執行個體：
提取HTML中所有URL連結
思路：
搜尋到所有标簽
解析标簽格式，提取href後的連結内容
import requests
r = requests.get("http://www.baidu.com") # 得到response響應資料
r.encoding = r.apparent_encoding # 指定字元編碼
demo = r.text
import bs4
# 制作soup
soup = bs4.BeautifulSoup(demo,"html.parser") # 要解析的内容，html解析器
# 提取連結内容
for link in soup.find_all("a"):# 查找所有a标簽，并周遊
print(link.get("href")) # 标簽類型，搜尋href标簽後的連結内容
四、基于bs4庫的HTML内容查找方法
<>.find_all(name,attrs,recursive, string, **kwargs) 方法：
傳回一個清單類型，存儲查找的結果
name : 對标簽名稱的檢索字元串
attrs: 對标簽屬性值的檢索字元串，可标注屬性檢索
recursive: 是否對子孫全部檢索，預設True
string: <>…>中字元串區域的檢索字元串
擴充方法
方法
說明
<>.find()
搜尋且隻傳回一個結果，同.find_all()參數
<>.find_parents()
在先輩節點中搜尋，傳回清單類型，同.find_all()參數
<>.find_parent()
在先輩節點中傳回一個結果，同.find()參數
<>.find_next_siblings()
在後續平行節點中搜尋，傳回清單類型，同.find_all()參數
<>.find_next_sibling()
在後續平行節點中傳回一個結果，同.find()參數
<>.find_previous_siblings()
在前序平行節點中搜尋，傳回清單類型，同.find_all()參數
<>.find_previous_sibling()
在前序平行節點中傳回一個結果，同.find()參數
總結：