AI-数据采集-数据提取概述（六）

    数据提取概述

        ● 响应内容的分类

        ● xml和html的区别

        ● 常用的数据解析方法

    1. 响应内容的分类

        在发送请求获取响应之后，可能存在多种不同类型的响应内容；而且很多时候，我们只需要响应内容中的一部分数据

        结构化的响应内容

        非结构化的响应内容

    1.1 结构化的响应内容

        ● json字符串

            ○ 可以使用re、json等模块来提取特定数据

            ○ 使用在线JSON格式化工具，例如：https://www.json.cn/

            ○ json字符串的例子如下:

{    
  "user": {
                "id": 1404376560,
                "screen_name": "王思聪",
                "name": "wangsicong",
                "province": "11",
                "city": "5",
                "location": "北京 朝阳区",
                "description": "北京思普资本董事长,万达集团懂事",
                "url": "http://blog.sina.com.cn/wangsicong",
                "profile_image_url": "http://tp1.sinaimg.cn/1404376560/50/0/1",
                "domain": "wangsicong",
                "gender": "m",
                "followers_count": 419600000,
                "friends_count": 362,
                "bi_followers_count": 215
            }

}

    ● xml字符串

    ● 可以使用re、lxml等模块来提取特定数据

    ● xml字符串的例子如下:

 <bookstore>
  <book category="COOKING">
    <title>Everyday Italian</title> 
    <author>Giada De Laurentiis</author> 
    <year>2005</year> 
    <price>30.00</price> 
  </book>
  <book category="CHILDREN">
    <title>Harry Potter</title> 
    <author>J K. Rowling</author> 
    <year>2005</year> 
    <price>29.99</price> 
  </book>
  <book category="WEB">
    <title>Learning XML</title> 
    <author>Erik T. Ray</author> 
    <year>2003</year> 
    <price>39.95</price> 
  </book>
  </bookstore>

    1.2 非结构化的响应内容

    ● html字符串

    ● 可以使用re、lxml等模块来提取特定数据

    2. XML/HTML 数据格式区别

    2.1 定义

    2.2 认识xml

    xml是一种可扩展标记语言，样子和html很像，功能更专注于对传输和存储数据

2.3 xml和html的区别

    html：

        超文本标记语言

        为了更好的显示数据，侧重点是为了显示

    xml：

        可扩展标记语言

        为了传输和存储数据，侧重点是在于数据内容本身

3. 常用数据解析方法