信息提取的一般方法

时间:2021-07-10 05:40:06
  •  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
                 信息提取的一般方法
  信息提取的一般方法