Python爬蟲數(shù)據(jù)的分類及json數(shù)據(jù)使用小結(jié)

數(shù)據(jù)的結(jié)構(gòu)化分類

       一般來講對我們而言，需要抓取的是某個網(wǎng)站或者某個應用的內(nèi)容，提取有用的價值。內(nèi)容一般分為三部分，結(jié)構(gòu)化的數(shù)據(jù)、半結(jié)構(gòu)化的數(shù)據(jù)和非機構(gòu)化數(shù)據(jù)。
1.結(jié)構(gòu)化數(shù)據(jù)：
       可以用統(tǒng)一的結(jié)構(gòu)加以表示的數(shù)據(jù)?？梢允褂藐P(guān)系型數(shù)據(jù)庫表示和存儲，表現(xiàn)為二維形式的數(shù)據(jù)，一般特點是：數(shù)據(jù)以行為單位，一行數(shù)據(jù)表示一個實體的信息，每一行的數(shù)據(jù)的屬性是相同的。
2.半結(jié)構(gòu)化數(shù)據(jù)：
       結(jié)構(gòu)化數(shù)據(jù)的一種形式，并不符合關(guān)系型數(shù)據(jù)庫或其他數(shù)據(jù)表的形式關(guān)聯(lián)起來的數(shù)據(jù)模型結(jié)構(gòu)，但包含相關(guān)標記，用來分隔語義元素以及對記錄和字段進行分層。因此他也被成為自描述的結(jié)構(gòu)。常見的半結(jié)構(gòu)數(shù)據(jù)有：html，xml和json等、實際上是以樹或者圖的結(jié)構(gòu)來存儲的。
       對于半結(jié)構(gòu)化數(shù)據(jù)，節(jié)點中屬性的順序是不重要的，不同的半結(jié)構(gòu)化數(shù)據(jù)的屬性的個數(shù)是不一樣的。這樣的數(shù)據(jù)格式，可以自由的表達很多有用的信息，包含自描述信息。所以半結(jié)構(gòu)化數(shù)據(jù)的擴展性很好，特別適合于在互聯(lián)網(wǎng)中大規(guī)模傳播。
3.非結(jié)構(gòu)化數(shù)據(jù)
       就是沒有固定的結(jié)構(gòu)。各種文檔，圖片，視頻或者音頻都屬于非結(jié)構(gòu)化數(shù)據(jù)。對于這類數(shù)據(jù)，我們一般直接整體進行存儲，而且一般存儲為二進制形式。

json數(shù)據(jù)

       json（JavaScript Object Notation，JS對象標記）是一種輕量級的數(shù)據(jù)交換格式。他基于ECMAScript（w3c制定的JS規(guī)范）的一個子集，采用完全獨立于編程語言的文本格式來存儲和表示數(shù)據(jù)。簡介和清晰的層次結(jié)構(gòu)使得JSON成為理想的數(shù)據(jù)交換語言。
       特點：易于閱讀、易于機器生成、有效提升網(wǎng)絡速度。
       JSON語法規(guī)則：在JS語言中，一切都是對象。因此，任何支持的類型都可以通過json來表示。例如字符串、數(shù)字，對象，數(shù)組。
Js中對象和數(shù)組是比較特殊并且常用的兩種類型：
       1.對象表示為鍵值對{name:'zhangsan',age:'7'}
       2.數(shù)據(jù)有逗號分隔[1,2,3,4,5]
       3.花括號保存對象
       4.方括號保存數(shù)組。
js的對象就相當于python中的字典
js的數(shù)組就相當于Python中的列表
       因為json用來存儲js的對象或者數(shù)組，所以在Python中我們可以將json轉(zhuǎn)化為list或者dict。

解析json的包json：

       json.dumps(python的list或者dict)---->（返回值）---->json字符串。
       json.loads(json字符串)------>（返回值）----->python的list或者dict.

       json.dump(list/dict,fp)—>list，或者字典保存到json文件中。
       json.load(fp)—>list/dict:從json文件中讀出json數(shù)據(jù)。

       json鍵值對是用來保存js對象的一種方式，和js對象的寫法頁大同小異，比如：
{“firstName”:“Json”,“Class”:“aid1111”}等價于下面這條js語句：{firstName:“Json”，Class：“aid1111”}。
       很多人搞不清楚json和js對象的關(guān)系，甚至誰是誰都不清楚。其實可以這么理解：【JSON是JS對象的字符串表達式，他使用文本形式表示一個JS對象的信息，本質(zhì)是一個字符串?！?br />        如var obj = {a:“hello”,b:“World”}這是一個js對象。注意，鍵名也是可以用引號包裹的var json = ' {“a”:“hello”,“b”:“World”}'這是一個json字符串，本質(zhì)上是一個字符串。
       JSON作為數(shù)據(jù)包格式傳輸?shù)臅r候具有更高的效率，這是因為JSON不想xml那樣具有嚴格的閉合標簽，這就讓有效數(shù)據(jù)量與總數(shù)據(jù)包比大大提升，從而減少同等數(shù)據(jù)流量的情況下，網(wǎng)絡的傳輸?shù)膲毫Υ蟠鬁p低。

以上就是Python爬蟲數(shù)據(jù)的分類及json數(shù)據(jù)使用小結(jié)的詳細內(nèi)容，更多關(guān)于Python爬蟲數(shù)據(jù)的分類及json數(shù)據(jù)使用的資料請關(guān)注腳本之家其它相關(guān)文章！