般而言对大家来讲 ，必须爬取的是某一网址或是某一运用的內容 ，获取有用的使用价值，內容一般分成两一部分 ，非结构化的文本 ，或结构化的文本 。
多的人学习培训python，不清楚从何学习 。
很多人学习培训python，把握了基础英语的语法之后 ，不清楚在哪儿找寻实例入门。
许多 早已做实例的人 ，却不清楚如何去学习培训更为深奥的专业知识 。
那麼对于这三类人，我给大伙儿出示一个好的在线学习平台 ，免费领教程视频 ，电子书，及其课程内容的源码！??¤
QQ群：1057034340
有关结构化的数据信息
JSON 、XML 、HTML
HTML文本（包括JavaScript编码）是最普遍的数据类型 ，理当归属于结构化的文本机构 ，但由于一般大家必须的重要信息并不是立即能够获得
必须开展对HTML的分析搜索，乃至一些字符串数组实际操作才可以获得 ，因此 還是分类于非结构化的数据处理方法中 。
把网页页面比成一个人 ，那麼HTML便是他的框架，JS便是他的全身肌肉 ，CSS便是它的衣服裤子。
普遍分析方法以下：XPath、CSS选择符 、正则表达式
HTML DOM 实例
HTML DOM 界定了浏览和实际操作 HTML 文本文档的规范方式。
DOM 以树形结构表述 HTML 文本文档 。
文本数据信息
比如一篇文章 ，或是一句话，大家的初心是获取合理信息，因此 如果是落后解决 ，能够立即储存 ，如果是必须即时获取有用信息，普遍的处理方法以下：
- 词性标注依据爬取的网站风格 ，应用不一样词典 ，开展基础的词性标注， 随后变为词频统计 ，类似向量的表示 ，词为方位，高频词为长短 。
- NLP自然语言理解解决 ，开展语义分析 ，用結果表明，比如正负面信息等。
