Parsing: dak li hu u kif hija maħluqa

Ħafna drabi fuq l-Internet, inti tista 'tiltaqa terminu bħal "parsing". X'inhu u għaliex għandek bżonn biex? Hija hekk jiġri li programmaturi jagħtu l-impjieg arbulatura kwalunkwe sit. Jew utent normali qiegħed iħabbat wiċċu ma 'tali terminu ma jafx valur tagħha.

definizzjoni

Jekk nieħdu F'sens ġenerali, il parsing - sekwenza ta 'kliem meta mqabbla mar-regoli lineari tal-lingwa speċifika li jistgħu jkunu xi bniedem, użati fil-komunikazzjoni. Hija tista 'wkoll jiġu formalizzati lingwa, bħall-lingwa ta' programmar.

U fir-rigward siti bi tweġiba għal mistoqsija dwar parsing - "dak li hu", "għaliex l-użu" - jista 'jingħad li dan il-proċess ta' parsing suċċessiva ta 'l-informazzjoni li hija disponibbli fuq il-paġni web. It-test hawn huwa sett ta 'data li hija ġerarkikament ordnati u strutturati permezz ta' kompjuter u l-lingwa tal-bniedem. L-aħħar tagħti informazzjoni diretta, li għaliha il-poplu u ġejjin. U lingwi ta 'programmar jispeċifikaw kif juru din id-data fuq il-monitor tal-utent.

kontenut Fittex

Meta s-sid biss toħloq sit tiegħu stess, kien ffaċċjati bil-problema: fejn tikseb il-kontenut biex timla? L-aħjar għażla hija li jfittxu l-WAN. Wara kollox, hemm għarfien infinitament ħafna. Iżda mbagħad hemm xi diffikultajiet:

• Peress li l-internet qed jikber b'mod kostanti u l-iżvilupp, huwa ċar li s-sit għandu jkun fih ammonti vasti ta 'informazzjoni sabiex ikollhom vantaġġ fuq il-kompetizzjoni. Illum, il-kontenut għandu jkun ħafna. A manwalment timla informazzjoni sit ħafna huwa diffiċli ħafna.
• Billi n-nies ma jkunux jistgħu jservu l-fluss bla tmiem ta 'informazzjoni li dejjem jinbidlu bżonnijiet parsing. Dak li se tagħti? ġbir ta 'informazzjoni u l-proċess bidliet Awtomatizzata.

vantaġġi parser

A programm li jwettaq proċess ta parsing, meta mqabbla ma 'persuna għandha numru ta' vantaġġi:

• Hija malajr jimxu permezz ta 'eluf ta' paġni tal-web.
• Ebda problema se jaqsmu d-data teknika u informazzjoni lill-persuna t-tajba.
• Mingħajr żball jarmi bla bżonn, li jħallu biss dak li huwa meħtieġ.
• Jipproduċu data meħtieġa ippakkjar għall-fehma utent.

Naturalment, ir-riżultat finali xorta jkunu jeħtieġu xi kura. Ma jimpurtax spreadsheet jew database. Iżda dan huwa ħafna aktar faċli milli kieku inti tagħmel dan manwalment, milli jużaw l-parsing. Dak li dan, huwa ċar - iffrankar ta 'ħin u sforz.

disinn

varjetà ta 'lingwi ta' programmar użati biex joħolqu parsers. L-aktar komuni huma scripting lingwi. Dan ifisser li huma miktuba fil-iskrittura. X'inhu b'kitba u dak li huwa parsing jsir billi jintużaw dik il-lingwa se jiġu kkunsidrati aktar tard.

Ħolqien tal-parser programm ma jeħtieġu għarfien sinifikanti ta 'lingwa ta' programmar. Informazzjoni fakultattiva u bażika dwar it-teknoloġija. Imma xi ħaġa li tkun taf xorta huwa meħtieġ. Allura, biex tkun taf kif toħloq parsing, jiġifieri, l-analizzatur programm, ikollok bżonn jitgħallmu li ġej:

• Għall-algoritmu operazzjoni programm inizjali jeħtieġ analiżi profonda tas-source code, paġni tal-web, li huwa donatur. Hemm ma jistax jgħaddi mingħajr l-għarfien mill-inqas medja ta 'teknoloġija issettjar tat-tipa. Dan HTML, CSS u l-lingwa JavaScript.
• Li adsa fond fil-suġġett, inti għandek bżonn biex jitgħallmu teknoloġija msejħa DOM. Dan jipprovdi opportunità biex jaħdmu b'mod effettiv ħafna minn ġerarkija paġna web.
• L-aktar diffiċli stadju - kitba ta 'parser. Hawnhekk huwa meħtieġ li wieħed ikollu għodda għall test ipproċessar. programmaturi b'esperjenza spiss jużaw għal dan il-għan, espressjonijiet regolari, li huma b'saħħithom biżżejjed. Iżda huwa l-qawwa ma tkunx kull iżviluppatur. Hawnhekk għandek bżonn mentalità speċjali. Is-soluzzjoni ottimali huwa l-użu ta 'lesti libreriji li ġew maħluqa speċifikament għall-parsing. X'inhu din il-librerija? Huwa ippakkjat bil-kodiċi tal-programm, li diġà fih il-funzjonijiet kollha għall-analiżi.
• Huwa ferm mixtieq li wieħed jifhem oġġett orjentati lejn programmazzjoni, li hija appoġġata minn xi lingwa ta 'programmar.
• L-istadju finali jinvolvi l-analiżi tar-riżultati tal-ipproċessar tad-data li għandha tiġi strutturata u maħżuna. Hemm ma jistax jgħaddi mingħajr l-għarfien ta 'databases.
• Għandna bżonn l-għarfien u l-pussess tal-funzjonijiet adattati għall-ħidma ma 'fajls. Wara kollox, id-data se jkollhom bżonn li tikteb dawn l-istess fajls, u mbagħad, forsi, tiġi kkonvertita f'format spreadsheet.

istadji

Jekk jintlaħqu r-rekwiżiti kollha, il-proċess sussegwenti jista 'jiġi maqsum fi stadji:

1. Fl-ewwel fażi tal parsing jiksbu l-paġni web source code.
2. Il-pass li jmiss - estrazzjoni tal-informazzjoni meħtieġa mill-awment. Hemm jintrema kodiċi bla bżonn, l-informazzjoni hija organizzata skond il-ġerarkija.
3. Wara d-data ta 'suċċess għandha tinħażen f'forma li tista' tiġi pproċessata ulterjorment.
4. Peress li l-sit ma jikkonsistix minn paġna waħda, u mis-sett, l-algoritmu għandu jkun jista 'jimxu lejn il-paġna li jmiss.

Allura, parsing - x'inhu? Dan huwa l-proċess ta 'analiżi ta' kontenut tas-sit u jiżolaw l-informazzjoni mixtieqa. Jużaw l-informazzjoni t'hawn fuq, huwa possibbli li timla siti tagħhom ħafna ta 'kontenut awtomatikament. Dan jagħmilha possibbli li jirbaħ ħin u jirbħu l-kompetizzjoni diffiċli fis-saytostroiteley suq.