信息提取的一般方法及实例

信息提取
从标记后的信息中提取所关注的内容
(标记，信息)

方法一：完整解析信息的标记形式，再提取关键信息

• 
• 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

方法二：无视标记信息，直接搜索关键信息

• 
• 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

• 
• 需要标记解析器及文本查找函数

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hre后的链接内容