【学习心得】网络中常见数据格式（爬虫入门知识）

原创

已于 2024-03-14 04:56:04 修改 · 1k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#网络 #服务器 #运维 #网络爬虫 #爬虫

于 2024-03-02 03:34:00 首次发布

本文介绍了在爬虫项目中理解数据格式的重要性，重点讲解了XML（用于存储和传输信息）、JSON（轻量级数据交换）、Protobuf（高效序列化）和流媒体技术（如HLS、M3U8和ts），阐述了它们的特点和应用场景，有助于开发者选择合适的工具处理不同类型的数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

在爬虫爬取数据的之前，必须先系统的了解一下我们待爬取的数据有哪些格式，这样做的好处在与能针对不同的数据类型采取不同分方法手段。

一、XML

XML（Extensible Markup Language）是一种可扩展的标记语言，它定义了一套标记，用于组织和传输信息，比如文本、图像、数据、音频和视频等。与HTML不同，XML并不是用于显示信息的，而是用于存储和传输信息的。XML标记没有预定义的含义，必须由用户自定义。XML标记可以用于组织和传输各种类型的数据，例如文本、图像、数据、音频和视频等。XML还支持自定义标记，这些标记可以用于描述特定类型的数据。许多应用程序和系统都使用XML作为数据存储和传输的标准格式，因为它具有灵活性和可扩展性。

二、JSON

JSON（JavaScript Object Notation）是一种轻量级的数据交换格式，它比XML更小、更快，而且更容易被人阅读。JSON格式定义了一种可以在Web浏览器和服务器之间传输数据的简单方法。它由两个主要部分组成：键值对和数组。键值对是一对括号内的键和值，其中键通常是字符串，值可以是字符串、数字、布尔值、数组或另一个键值对。数组是一组值的集合，它们以逗号分隔，每个值都有一个唯一的键。JSON数据可以用于在Web应用程序和服务器之间传输数据，也可以用于在客户端和服务器之间传输数据。许多Web框架都支持JSON数据格式，因此它已经成为了一种流行的数据交换格式。

具有以下几个关键特点：