知识卡片
良构格式与内容有效性分开
XML良构要求标签嵌套、闭合等语法符合规则;符合某个模式还需额外验证结构与约束。能解析不等于符合目标数据模式,更不等于内容语义正确。XHTML以XML形式表达HTML,容错HTML解析器则可能接受不规范页面;应按实际输入选择解析策略,不能把作者当时对HTML5的期待当现行标准现状。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- · 查看原书依据
格式良好的XML写出来的语言:每个标签都是小写,组成树形结构,并且标签都是自封闭的(比如<br/>)或者每个开始标签(比如<p>)都有相对应的结束标签(</p>)。 在网页抓取的上下文中,这些规定有许多好处,比如让分析器对每个网页更好处理。在设计方面,XML正是网络所需要的。这个主张有很多好处并且几乎没有坏处:格式良好的XHTML内容可以证明对XML模式有效
参考来源
- 位置:《社交网站的数据挖掘与分析(原书第2版)》第5章《5.2 抓取、解析、爬取网页》(spine93;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0082.html;u074-ch05-004)。
- 结论依据:原文在“格式良好的XML”附近的定义、例子或代码支撑本卡核心说明:XML良构要求标签嵌套、闭合等语法符合规则;符合某个模式还需额外验证结构与约束。边界按已读前提解释;示例未执行。
- 原始内容:格式良好的XML写出来的语言:每个标签都是小写,组成树形结构,并且标签都是自封闭的(比如<br/>)或者每个开始标签(比如<p>)都有相对应的结束标签(</p>)。 在网页抓取的上下文中,这些规定有许多好处,比如让分析器对每个网页更好处理。在设计方面,XML正是网络所需要的。这个主张有很多好处并且几乎没有坏处:格式良好的XHTML内容可以证明对XML模式有效