1 信息标记的三种形式
对信息做一定的标记，使得我们能够理解信息所反馈的真实含义。
- 信息的标记：
- 标记后的信息可形成信息组织结构，增加了信息维度
- 标记后的信息可用于通信、存储或展示
- 标记的结构与信息一样具有重要价值
- 标记后的信息更利于程序理解和运用
HTML的信息标记
HTML（超文本标记语言）通过的<>...</>标签形式组织不同类型的信息
国际公认的信息标记的三种形式：XML、JSON、YAML
XML：扩展标记语言，XML(eXtensible Markup Language)格式是基于 HTML 格式发展而来的一种通用的信息表达形式。
示例：
JSON：JavsScript Object Notation 由有类型的键值对(key:value)构建的信息表达形式。会出现利用键值对的嵌套使用、以及多值嵌套的形式。
一般形式： "key":"value"
一键多值： "key":["value1","value2"]
多个键值对："key":{ "subkey":"subvalue",
"subsubkey":"subsubvalue"}
YAML：用无类型的键值对来组建信息。
一般形式：key:value
key: #缩进表达所属关系
key1:value1
key2:value2
key: #表示并列的信息
-key1:value1
-key2:value2
key:
subkey:subvalue
text | #表达整块数据，后面可接大段文字
2 三种信息标记形式的比较
- XML：最早的通用信息标记语言，可扩展性好，但繁琐。Internet 上的信息交互与传递。
- JASON：信息有类型，适合程序处理（js），较 XML 简洁。移动应用云端和节点的信息通信，无注释。常用于程序对接口处理的地方，JSON 数据在经过传输之后能够作为程序代码一部分，并被程序直接执行。
- YAML：信息无类型，文本信息比例最高，可读性好。各类系统的配置文件，有注释易读。
3 信息提取的一般方法
信息提取：从标记后的信息中提取所关注的内容
融合方法：
实例：提取HTML中所有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
4 基于 bs4 库的 HTML 内容查找方法
<>.find_all（name，attrs，recursive，string，**kwargs）
返回一个列表类型，存储查找的结果
- name：对标签名称的检索字符串
- attrs：对标签属性值的检索字符串，可标注属性检索
- recursive：是否对子孙全部检索，默认True。布尔类型的值，默认情况是从某一标签开始的后续所有子孙节点的信息。如果只需要搜索当前节点的儿子节点的信息我们可以将其置为False。
- string：<>..</>中字符串区域的检索字符串
find_all的使用在BeautifulSoup库中提供了两种等价形式
<tag>(..) 等价于 <tag>.find_all(..) soup(..) 等价于 soup.find_all(..)
扩展方法：
信息标记与提取方法知识小结
