python爬虫之数据处理与提取

一、非结构化数据的处理

文本、电话号码、邮箱地址

• 正则表达式

HTML文件

• 正则表达式
• XPath
• CSS选择器

二、结构化数据的处理

JSON文件

• JSON Path
• 转化成Python类型进行操作

XML文件

• 转换成python类型（xmltodict）
• XPath
• CSS选择器
• 正则表达式