结构化数据和非结构化数据的提取Python篇

Posted 孤寒者

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了结构化数据和非结构化数据的提取Python篇相关的知识,希望对你有一定的参考价值。

结构化数据和非结构化数据的提取【Python篇】

总结一下Pyhon提供的可以提取结构化数据以及非结构化数据的主流库。

1.常见数据的分类:

依据响应分类(附带对应的常用的解析方法~):

结构化数据:
   ① json数据(高频出现)
        json模块
        jsonpath模块
    ②xml数据(低频出现)
        re 模块(正则语法)
        lxml模块(xpath语法)
非结构化数据:
	①html
   	    re模块(正则语法)
        lxml模块(xpath语法)
        beautifulsoup(xpath,正则,css选择器)
        pyquery(css选择器)

小知识点:

  • xml和html的区别
    html :超文本标记语言,为了更好的显示数据,侧重于显示数据;
    xml : 可扩展性标记语言,为了传输和存储数据,侧重点在于数据内容的本身。

2.爬虫世界数据的分类:

结构化数据:json,xml等
    处理方式:直接转化

以上是关于结构化数据和非结构化数据的提取Python篇的主要内容,如果未能解决你的问题,请参考以下文章

爬虫之re数据提取的使用

从 Python 中的非结构化文本中提取一个人的年龄

证券行业文本挖掘技术应用现状与探讨案例

爬虫入门讲解:基础篇

Python框架篇:结构化的网页抓取框架-Scrapy

文本特征提取