python爬虫之html界面的信息表达形式（内容丰富，包含信息标记的组织形式，绝对是你听得懂的）

python爬虫之网页信息表达形式

爬到的html页面中信息那么多，你又不是那么专业，怎么获取到你想要的信息？

• 先普及一些关于html页面中信息的组成，下面是我截取的百度的网页源码组成部分，除了url是蓝色的，明显的有三种颜色不同，形式各异的标签语言，分别是XML，JSON，YAML
  
• XML
  • 看单词就知道跟HTML很像，确实是从HTML语言发展过来的
  • XML成为扩展标签语言，主要以标签为主，组织信息
  • 标签是啥？
    • 标签是：< 标签名 标签属性（标签的大小，颜色等）>…(内部的具体信息）…< /标签名 >,形如< p > … < /p >
    • 注释< !-- 我是注释 – >
    • 单括号标签 < name / >,a标签就是单边
      
• JSON（就是红色那块）
  • 用有类型的键值对构造的信息表达方式，key ：value,其中key和value都是指定类型的
  • 本质：JavaScript语言中对象的字符串表示法，就是js这个语言中的一种数据类型，可以将json语言转成js语言的编程部分
  • 形式：

    • 注意key和value都是有类型的
      

    • 嵌套使用，用花括号连接
      

    • 一个key，对应多个value，用方括号连接
      

一共就三种信息表达形式，两种都讲了，还有一种就提一下

• YAML（不好意思，这里面没有）
• 特征：无类型的键值对，来作为信息的表达形式
• 应用：各类系统的配置文件，有注释易读
• 形式
  • 无类型
    
  • 缩进表达所属关系

• “-”表达并列关系

• | 表达数据块 # 表示注释
  

对比一下上述三种信息表达方式

• 分别用三中信息表达形式表示同样的一段信息
• XML形式
  
• JSON形式

• YAML形式
  
• 通过对比发现，用三种形式表达相同数据，发现：
  • YAML利用率比较高，不是吗？废话比较少，无用的符号与有用的数据占比较高。所以YAML可读性好，用于书写各类系统的配置文件
  • JSON由于和JS语言的关系，可以用于移动应用云端和节点的信息通信
  • XML从HTML发展来的，所以作为HTML网页的框架