信息提取的一般方法

•  完整的解析信息的标记形式，再提取关键信息。

            XML JSON YAML

            需要标记解析器：例如：bs4库的标签树遍历

• 优点：信息解析准确
• 缺点：提取过程繁琐，速度慢。
• 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：提取过程简洁，速度较快。
• 缺点：提取结果准确性与信息内容相关。
• 融合方法：结合形式解析与搜索方法，提取关键信息。

            XML JSON YAML 搜索

            需要标记解析器及文本查找函数

 

• 实例：提取HTML中所有的URL链接
• 思路：1.搜索到所有<a>标签

                       2.解析<a>标签格式，提取href后的链接内容