Parser, nws yog dab tsi: lub tswv yim thiab lub zog

Hauv Internet tau muab cov ntaub ntawv muaj, tab sis kom ua qhov kev xaiv zoo, koj tseem yuav tsum tau ua kom muaj kev sib zog thiab poob ntau heev. Cov lus txhais ua lus tsis ncaj (formal hypertext) yog cov lus qhia, tab sis txoj hauj lwm ntawm parsing (paub txog) los ntawm qhov no tsis yog yooj yim, thiab nyob rau hauv qee qhov chaw txawm nyuab. Ntau hom kev nthuav tawm, cov lus, kev tsim qauv, kev xaiv cov kev xaiv, kev kos cwj pwm, yuav tsum yog "paub thiab muaj peev xwm" ntawm parser: tias "qhov no yog qhov tsim nyog tau."

Tus neeg pom thiab hnov thawj zaug ntawm txhua yam los ntawm kev paub txog nws qhov kev paub thiab kev ua haujlwm, thiab ua kom tiav hauv daim ntawv ntawm kev siv algorithm, tau txais txoj cai zoo li qub thiab ua kom paub tseeb tias qhov kev daws teebmeem tseem nyob deb txaus.

Cov cuab yeej palette rau parsing

Parser - hauj lwm txhais: nrhiav cov ntaub ntawv tsim nyog los ntawm qhov tshawb xyuas cav cav, cov ntsiab lus ntawm cov ntaub ntawv, cov ntaub ntawv, spreadsheets, cov ntaub ntawv ntawm lwm hom ntawv. Ntau tshaj tawm ntxiv: los txheeb xyuas thiab tsim cov lus qhia ntawm cov ntaub ntawv, siv rau nws cov txheej ntsiab lus raws li qee cov cai rau ib lub hom phiaj.

Algorithms yog cov kab lig kev cai muab faib ua cov lus sib dhos thiab semantic, nrog rau ntau hom lus. Qhov cuab yeej rau parsing yuav ua tau ib qho kev pab cuam, ib qhov chaw, ib plugin. Muaj ntau txoj kev xaiv rau kev siv, txhua tus muaj nws qhov zoo thiab qhov tsis zoo. Hauv particular, cov ntsiab lus parser X-Parser ua haujlwm ntawm cov npe ntawm cov lus tseem ceeb. Tshaj: nws muab cov ntawv nyeem dawb huv, cov npe ntawm cov khoom siv, cov kev txuas, URLs, ... Ib qho tsim los ntawm cov ntxaij lim dej, kev kho lus ntawm cov lus thiab kev ua cov ntsiab lus tau txais.

Txoj kev pabcuam DataCol yog teem rau kev sib sau cov ntaub ntawv sau rau qhov chaw uas muaj cov ntsiab lus. Piv txwv li, los tsim ib qhov chaw ntawm lub ntsiab lus (chaw noj mov, khw, ncig xyuas neeg tsav tsheb, ...), cov ntaub ntawv tseem ceeb txhua zaus yuav tsum tau, uas tuaj yeem pom hauv Internet thiaj li yuav txuag tau sij hawm, dua li luam los yog ntaus ntawv.

Mailagent Parser yog teem rau kev sau email chaw nyob; SlimerJs tso cai rau koj los sojntsuam cov haujlwm dynamic. Lub site tswj system WordPress muaj nws tus kheej module rau parsing, uas koj tuaj yeem hloov kho, piv txwv li, tas li tau txais xov xwm pub tshiab.

Muaj ntau cov cuab yeej, tab sis qhov nyiaj ua hauj lwm ntawm kev tsim, kev sib tsoo thiab muab cov lus qhia tawm tuaj yeem yog nce ntxiv.

Kev siv cov cuab yeej muaj peev xwm ua rau ntau tus txheej txheem ntawm kev nkag siab txog kev tsim nyog ntawm ib qho kev parsing rau ib qho hauj lwm tshwj xeeb, es tsis txhob sim muab ib yam dab tsi uas twb muaj los rau nws qhov chaw.

Lub ntsiab ntawm parsing lub ntsiab

Feem ntau yog cov neeg pabcuam pejxeem hais txog qhov parser tias qhov no yog lub lim, thiab tso siab rau nws. Xwb, ua kom tiav cov qhua muaj siab, qhov kev tshawb fawb ntawm kev ua lub hom phiaj ntawm ntau yam ntaub ntawv, tab sis feem ntau nws digs nyob rau hauv nws tus kheej databases, txawm li cas los lawv replenishing systematically. Ib qho chaw zoo nkauj kuj muaj kev tshawb nrhiav rau nws cov ntsiab lus, nws cov ntaub ntawv, cov chaw muaj feem xyuam. Qhov no kuj tau ua nrog lub "parser" yog dab tsi, tab sis qhov tseeb ntsiab lus ntawm qhov teeb meem nyob hauv ib lub dav hlau txawv.

Peb yuav tsum tau them khoom plig rau hom lus ntawm hypertext: lawv ntau heev, tab sis nruj tags thiab cov qauv ntawm cov ntaub ntawv ua pub koj rigidly formalize dab qhov browser yuav tsum paub txog, thiab qhov no yog parsing. Muaj ntau cov cuab yeej rau kev tshawb nrhiav cov kev siv qhov browser cov kab txawv (xyaw). Cov kab lus tsis tu ncua kuj yog ib txoj hauv kev los nrhiav cov lus qhia uas yog. Qhov kev siv ntawm jQuery yog ib daim ntawv tshwj xeeb ntawm cov ntaub ntawv parsing, uas yog lus dag rau nws tus kheej thiab cov ntaub ntawv ntawm nws lossis tswj nws.

Qhov parser yog dab tsi? Qhov no yog PHP, thiab qhov browser, thiab JavaScript ua rau nws. Cov cuab yeej ua lawv tus kheej, feem ntau syntactic muaj nuj nqi. Tab sis dab tsi yog qhov tseem ceeb thiab qhov tseem ceeb: tus parser yog tus nqi uas txiav txim seb qhov tau thiab qhov laj thawj.

Hais txog kev ncig xyuas tebchaws, koj tuaj yeem npaj ua haujlwm kom tsim tau ib qho kev sib tw ntawm chaw so, muab cov ntaub ntawv qhia txog qhov chaw nyob, huab cua, nqi khoom noj khoom haus, cov khoom vaj khoom tsev. Tsim tawm ib qhov xov xwm hauv xov xwm, koj yuav tsum sau ib yam dab tsi uas yuav soj ntsuam ib qho ntawm cov chaw thiab sau los ntawm lawv cov lus qhia tseeb.

Tus qauv thiab cov ntsiab lus ntawm txheej txheem

Ua ntej ua lub ntsiab lus teb rau lo lus nug "parser: dab tsi yog qhov no?", Koj yuav tsum ua kom muaj kev khiav dej num ntawm cov ntaub ntawv thiab txhais tau ib co ntsiab lus tseem ceeb. Algorithm rau qhov kev tshawb fawb ntawm kev tshawb xyuas tawm, txawm qhov seem txoj kev ua tiav, muaj ntawm cov tswv yim ntau lub ntsiab lus uas cov lus thiab lawv cov kab lus tau mus dhau qhov xav tau semantics.

Txawm tias cov kev tshawb fawb tseem ceeb, ua ib cov lus nug kev cai, feem ntau tsis muaj txhua yam dab tsi yog qhov kev txiav txim siab, ntxiv rau, raws li lawv txoj kev nkag siab, lawv muab txhua yam lawv muaj nrog ib qho tseem ceeb npaum li cas ntawm kev tshaj tawm thiab kev txhawb nqa.

Hais txog qhov parser tias qhov no yog qhov sib npaug ntawm kev txawj ntse txawj ntse (vim nws yog qhov tsim nyog yuav tau nrog kev tsim kho ntawm algorithms kom hloov tau hloov cov lus qhia, cov cai tswj kev cai rau kev tsim thiab siv cov ntsiab lus tseem ceeb), heev thaum ntxov.

Tus tsov ntxhuav txoj kev faib tawm ntawm "parsing", uas yog thiab tsis nco qab ua ib tug neeg txhua thib ob yog yooj yim heev, cov logic ntawm txoj kev no yuav yooj yim heev formalized, nyob rau hauv ib feem, cov cuab yeej tam sim no qhia qhov no.

Los ntawm statics rau dynamics

Koj tuaj yeem hais txog lub parser tias qhov no yog ib txheej ntawm algorithm rau kev tsim ntawm kev khiav dej num ntawm cov ntaub ntawv, cov cai rau kev txiav txim siab keywords thiab lawv daim ntawv thov. Tab sis peb lub hauv paus no tsis meej pem li xuab zeb, tab sis nyob rau hauv ib daim ntawv thov thiab lawv tuaj yeem txhais rau ntau txoj hau kev.

Kev tshawb nrhiav txog banal hauv Google thiab nws txoj kev parsing los ntawm lo lus "tseem ceeb" uas muaj qhov yuav tsum muaj 0% yuav pom tsawg kawg ib tsab xov xwm txog lub caij nplooj ntoos hlav, uas yws yws yws hauv ib qho chaw zoo. Qhov tshwm sim tsis nce, txawm hais tias koj qhia qhov "qhov tseem ceeb ntawm cov glade". "Google" yuav lees paub:

• Lub ntsiab lus pib!
• Chaw ua si nyob rau hauv cov xwm txheej - Qhov chaw khiav dej num ntawm kev tswj hwm ...
• Kub Lub Npe, qhov tseem ceeb ntawm lub website "Hot Key", lub rooj sab laj "Hot Key" ... Nyob rau ntawm cov suab paj nruag Sights Taganay - Taganay National Park
• Qhua lub tsev ntawm Krasnaya Polyana, xaub ib lub tsev (tsev me) ntawm Tshiab ...
• "Qhov tseem ceeb tshaj plaws nyob rau hauv" - Tshawb ntawm Google Cov Ntawv

...

Lawm, qhov pauving algorithm yuav tsum tau tsim kom tau qhov tso zis thiab muab cov lus qhia txog tus yuam sij ua lub caij nplooj ntoos hlav, lawv yog dab tsi, qhov lawv ntsib, dab tsi yog qhov txaus siab thiab pab tau. Obviously, Txawm tias feem ntau tsim parsing los ntawm qhov teeb meem ntawm "Google" ntawm no yuav tsis ua dab tsi.

Muaj kev txawj ntse

Hauv kev txiav txim rau qhov teeb meem yuav tsum tau kho kom zoo, nws yuav tsum tsis txhob muab tshawb fawb xyaw, tab sis cov ntsiab lus ntawm ntau qhov chaw thiab cov ntsiab lus ntawm tus neeg tsis paub tseeb ntawm cov khoom. Yuav ua li cas kom tau txais ib lub ntsiab lus tseem ceeb ntawm cov ntaub ntawv los ntawm lo lus "qhov tseem ceeb"?

Cov kev xaiv no tsuas yog ib qho: koj yuav tsum ua koj cov ntsiab lus tseem ceeb, uas yog, kev tshawb nrhiav rau ib lo lus tshwj xeeb yuav tsum nthuav tawm hauv nws lub ntsiab lus. Txoj cai kev tshawb nrhiav yuav tsum ua kom muaj zog, uas yog, pib teev, ib yam dab tsi hauv nws tus kheej hloov mus ua lub luag haujlwm ntawm lub ntsiab lus, thiab tom qab ntawd ces qhov pib pib ob qho tib si rau hauv qhov tsim ntawm qhov chaw ntawm cov ntaub ntawv kom zoo (qhov kev tshawb xyuas qhov ndlwg) thiab raws li qhov muaj parsed hauv .

Cov txuj ci tseem ceeb yog ib yam dab tsi los ntawm thaj chaw ntawm tus txiv neej> Kev Ntsuas> Programming, ib hom Chipiotics yog tau. Qhov no tsis yog txoj cai xwb, tsis yog ib lo lus tseem ceeb xwb. Tus neeg tau txais kev txawj ntse thiab ua kom nws dhau los ntawm lub cajmeem tsis yog zoo li qub, tiamsis nws yog qhov dynamic, muab parsing lub ntsiab lus tshiab - hloov ntawm qhov kev tawm tswv yim thiab kev khiav haujlwm hauv txoj haujlwm.

Lub tswvyim yog hais txog tus kheej ntawm txoj kev loj hlob - nws nyuaj, tab sis yog tias qhov kev tshawb fawb nrov "kawm" los sojntsuam kev queries thiab pib xa cov lus txaus sau rau txhua tus browser, nws yog qhov ua tau ncaj qha mus rau qhov kev vam meej mus rau ib qho kev khiav dej num ntxiv.

Lub tswv yim zoo tshaj plaws: muaj kev txawj ntse thiab kev paub txog> kev muaj txiaj ntsim ntawm kev cai

Parsing tau ua ib txoj hauj lwm loj heev thiab ua ib qho kev paub tseeb hauv kev tsim cov lus qhia, cov cai siv cov ntsiab lus tseem ceeb. Kev paub txog cov cim, cov duab scanned thiab yuav luag "txhais tag nrho" txhais los ntawm ib hom lus mus rau lwm tus tiv thaiv ntawm kev loj hlob ntawm kev sib txuas interfaces (API qhov chaw, kev tshawb fawb xyaw, parsers) tso cai rau koj los txiav txim qhov tseeb ntawm kev coj.

Raws li txhua yam yuav tsum paub, nws tseem tsis yooj yim hais, tab sis nws yog qhov tseeb tiag tias cov cai rau kev tsim cov lus faib, tus qauv ntawm cov lus tseem ceeb thiab kev tsim cov twj yuav tsum muaj kev ua haujlwm, thiab qhov kev tivthaiv, qhov zoo li qub thiab tsis raug cai ntawm cov lus programming niaj hnub no, yuav tsum tau txiav txim siab hauv kev siv.

Qhov no yog cov xwm txheej thaum tib neeg raug teeb meem hauv kev daws cov teeb meem sai thiab tuaj yeem pab txhawb txoj kev kawm thiab kev loj hlob ntawm txoj kev parsing, tsim kev cai ntawm qee txoj cai.