Pag-parse: kung ano ito at kung paano ito ay nilikha

Kadalasan sa Internet, maaari kang makakita ng isang termino tulad ng "pag-parse". Ano ito at kung bakit kailangan mo upang? Ito kaya mangyayari na programmer bigyan ang trabaho spars anumang site. O isang normal na user ay nahaharap na may tulad na isang termino ay hindi alam ang halaga nito.

depinisyon

Kung kami ay kumuha ng isang pangkalahatang kamalayan, ang pag-parse - isang pagkakasunod-sunod ng mga salita kapag inihambing sa linear panuntunan ng tiyak na wika na kung saan ay maaaring maging anumang pantao, na ginagamit sa komunikasyon. Maaari rin itong pormal na wika, tulad ng programming language.

At ang tungkol sa sites bilang tugon sa isang tanong tungkol sa pag-parse - "kung ano ito ay", "bakit na paggamit" - ito ay maaaring sinabi na ang prosesong ito ng sunud-sunod na pag-parse ng impormasyon na magagamit sa mga pahina ng web. Ang teksto dito ay isang hanay ng mga data na naka hierarchically iniutos at nakaayos sa pamamagitan ng mga computer at wika ng tao. Ang huli ay nagbibigay ng direktang impormasyon, para sa kung saan dumating ang mga tao at. At programming wika tukuyin kung paano upang ipakita ang data sa monitor ng gumagamit.

Maghanap ng nilalaman

Kapag ang may-ari lamang ang lumilikha ng kanyang sariling site, siya ay nahaharap sa isang problema: kung saan upang makuha ang nilalaman upang punan? Ang pinakamahusay na opsyon ay upang maghanap para sa WAN. Pagkatapos ng lahat, may walang hanggan maraming kaalaman. Ngunit pagkatapos ay may ilang mga kahirapan:

• Dahil ang internet ay patuloy na lumalaki at pagbuo, ito ay malinaw na ang site ay dapat maglaman ng malawak na halaga ng impormasyon upang magkaroon ng isang kalamangan sa kumpetisyon. Ngayon, ang nilalaman ay may upang maging napaka. Ang isang mano-manong punan ang bilang ng maraming mga site na impormasyon ay mahirap.
• Dahil ang mga tao ay hindi magagawang upang maghatid ng walang katapusang stream ng mga pabago-bagong impormasyon pangangailangan sa pag-parse. Ano ito ay magbibigay sa? Automated na impormasyon pagtitipon at proseso ng mga pagbabago.

pro parser

Ang isang programa na kung saan gumaganap ng isang proseso ng pag-parse ng, sa paghahambing sa isang tao ay may isang bilang ng mga kalamangan:

• Siya ay mabilis na lakad sa pamamagitan ng libo-libo ng mga pahina ng web.
• Walang problema ibabahagi ang teknikal na data at impormasyon sa tamang tao.
• Nang walang error itapon ang mga hindi kinakailangang, nag-iiwan lamang kung ano ang kinakailangan.
• Produce packaging data na kinakailangan para sa pagtingin ng user.

Of course, ang huling resulta ay kailangan pa ng paggamot. Hindi mahalaga sa isang spreadsheet o database. Ngunit ito ay lubhang mas madaling kaysa sa kung gagawin mo ito nang manu-mano, sa halip na gamit ang pag-parse. Ano ang ginagawa nito, ito ay malinaw - pag-save ng oras at pagsisikap.

disenyo

isang iba't ibang mga programming wika na ginagamit upang lumikha ng parsers. Ang pinaka-karaniwang ay scripting wika. Ang ibig sabihin nito na sila ay nakasulat sa script. Ano ang isang script at kung ano ang parse isinasagawa gamit ang ganyang pananalita ay isasaalang-alang sa ibang pagkakataon.

Paglikha ng parser na programa ay hindi nangangailangan ng makabuluhang kaalaman ng programming language. Opsyonal at pangunahing impormasyon tungkol sa teknolohiya. Ngunit isang bagay upang malaman ito ay kinakailangan pa rin. Kaya, upang malaman kung paano lumikha parse, iyon ay, ang programa analyzer, kailangan mong malaman ang mga sumusunod:

• Para sa paunang programa operasyon algorithm ay nangangailangan ng masusing pag-aaral ng source code, mga pahina ng web, na kung saan ay isang donor. May ay hindi maaaring gawin nang walang hindi bababa sa karaniwang kaalaman sa typesetting teknolohiya. Ito HTML, CSS at wika ang JavaScript.
• Upang sumisid ng mas malalim sa ang paksa, kailangan mong malaman ang isang teknolohiya na tinatawag na DOM. Ito ay nagbibigay ng isang pagkakataon upang gumana napaka-epektibo mula sa isang web page hierarchy.
• Ang pinakamahirap na yugto - ang pagsusulat ng pang-parse. Narito ito ay kinakailangan upang angkinin ang isang tool para sa pagproseso ng teksto. Nakaranas ng programmers madalas gamitin para sa layuning ito, regular na expression, na kung saan ay malakas na sapat. Ngunit ito ay ang lakas ay hindi sa bawat developer. Dito kailangan mo ng isang espesyal na mindset. Ang pinakamainam na solusyon ay ang paggamit ng isang yari na aklatan na nilikha partikular para sa pag-parse. Ano ito library? Ito ay puno ng mga programa ng code, na kung saan ay naglalaman na ng lahat ng mga pag-andar para sa pagsusuri.
• Ito ay lubos na kanais-nais upang maunawaan object-oriented programming, na kung saan ay suportado sa pamamagitan ng anumang programming language.
• Ang huling yugto ay nagsasangkot ng pagtatasa ng mga resulta ng pagproseso ng data na nakaayos at naka-imbak. May ay hindi maaaring gawin nang walang ang kaalaman ng mga database.
• Kailangan namin ang kaalaman at pag-aari ng mga pag-andar na angkop para sa nagtatrabaho sa mga file. Matapos ang lahat, ang data na kailangan na magsulat sa mga parehong mga file, at pagkatapos, marahil, mako-convert sa isang format ng spreadsheet.

yugto

Kung ang lahat ng mga kinakailangan ay natutugunan, ang kasunod na proseso ay maaaring nahahati sa mga yugto:

1. Sa unang yugto ng pag-parse makuha ang source code ng mga web page.
2. Ang susunod na hakbang - pag-extract ng mga kinakailangang data mula sa markup. May ay tinapon mga hindi kinakailangang code, ang impormasyon ay nakaayos ayon sa hierarchy.
3. Pagkatapos ng matagumpay na data ay naka-imbak sa isang form na maaaring karagdagang naproseso.
4. Dahil ang site ay hindi binubuo ng isang solong pahina, at mula sa mga hanay, ang algorithm ay dapat na magagawang upang lumipat sa susunod na pahina.

Kaya, pag-parse - ano ito? Ito ay ang proseso ng pagsusuri ng nilalaman ng site at isolating ang ninanais na impormasyon. Gamit ang impormasyon sa itaas, ito ay posible upang punan ang kanilang mga site ng isang pulutong ng mga nilalaman awtomatikong. Ginagawa nitong posible upang manalo ng oras at manalo sa mahirap na kumpetisyon sa market saytostroiteley.