Parser, ano ito: ideya at paggalaw

Ginawa ng Internet ang impormasyon na magagamit, ngunit upang makagawa ng tamang pagpipilian, kailangan mo pa ring gumawa ng malubhang pagsisikap at mawalan ng maraming oras. Ang mga hypertext na wika ay pormal na nagpahayag ng pagtatanghal ng impormasyon, ngunit ang gawain ng pag-parse (pagkilala) mula sa mga ito ay hindi pinasimple, at sa ilang mga lugar kahit na kumplikado. Ang maraming mga format ng pagtatanghal, mga wika, mga estilo ng disenyo, mga pagpipilian sa pag-access, mga paraan ng pagmamarka ng data, ay dapat na "kamalayan at magagawa" ng parser: na "ito ay eksakto kung ano ang kinakailangan."

Ang tao ay nakikita at nakakarinig una sa lahat sa pamamagitan ng prisma ng kanyang sariling kaalaman at karanasan, at pormalising ito sa anyo ng isang algorithm, nakakakuha ng isang static na mekanismo at tinitiyak na ang perpektong solusyon ay sapat pa rin.

Mga palette ng tool para sa pag-parse

Parser - kahulugan ng gawain: hanapin ang kinakailangang impormasyon mula sa output ng search engine, nilalaman ng site, mga dokumento, mga spreadsheet, mga file ng iba pang mga format. Higit pang pormal: upang tukuyin at bumuo ng daloy ng impormasyon, mag-apply dito ng isang hanay ng mga keyword ayon sa ilang mga patakaran para sa isang tiyak na layunin.

Ang mga algorithm ay ayon sa kaugalian na nahahati sa syntactic at semantiko, kabilang ang isang tiyak na bilang ng mga wika. Ang tool para sa pag-parse ay maaaring isang programa, isang site, isang plugin. Mayroong maraming mga pagpipilian para sa pagpapatupad, ang bawat isa ay may mga pakinabang at disadvantages nito. Sa partikular, gumagana ang parser ng nilalaman na X-Parser sa isang listahan ng mga keyword. Resulta: nagbibigay ito ng dalisay na teksto, mga listahan ng mga snippet, mga link, mga URL, ... Ang isang binuo na sistema ng mga filter, pag-customize ng mga wika at pag-format ng natanggap na resulta ay inaalok.

Ang programa ng DataCol ay nakatuon sa pagtitipon ng impormasyon para sa pagpuno sa site na may nilalaman. Halimbawa, upang lumikha ng isang site ng isang partikular na tema (restaurant, tindahan, tour operator, ...), ang pangkalahatang impormasyon ay laging kailangan, na maaaring mabilis na matagpuan sa Internet upang makatipid ng oras, kaysa i-scan o i-type nang manu-mano.

Ang Mailagent Parser ay nakatuon sa pagkolekta ng mga email address; Pinapayagan ka ng SlimerJs na mabilis na pag-aralan ang mga kumplikadong dynamic na site. Ang sistema ng pamamahala ng site na WordPress ay nag-aalok ng sarili nitong module para sa pag-parse, na maaari mong ipasadya, halimbawa, patuloy na awtomatikong na-update na feed ng balita.

Maraming mga tool, ngunit ang halaga ng trabaho sa pagbuo, disassembly at pag-format ng daloy ng impormasyon ay patuloy na pagtaas.

Ang paggamit ng mga magagamit na tool ay nagpapaalala ng higit pa sa proseso ng pag-unawa sa kinakailangang mekanismo ng isang partikular na pag-parse para sa isang partikular na gawain, kaysa sa pagsisikap na ilakip ang isang bagay na umiiral na sa mapagkukunan nito.

Ang pangunahing larangan ng pag-parse

Karaniwan ang isang mass na customer na sinasabing tungkol sa parser na ito ay isang filter, at confidently insists dito. Sa katunayan, upang matupad ang pagnanais ng bisita, ang site ng paghahanap ay nagsasagawa ng pag-aaral ng iba't ibang mga mapagkukunan ng impormasyon, bagaman kadalasan ay nakakalibog ito sa sarili nitong mga database, gayunpaman ay nagpapalitaw sa kanila nang sistematiko. Anumang disenteng site ay nag-aalok din ng paghahanap para sa nilalaman nito, impormasyon nito, mga kaugnay na site. Ito ay may kinalaman sa paksa ng "kung ano ang isang parser," ngunit ang tunay na nilalaman ng problema ay nasa ibang eroplano.

Kailangan naming bayaran ang pugay sa mga wika ng hypertext: ang kanilang maraming, ngunit mahigpit na mga tag at pamamaraan ng pagpoproseso ng data ay nagbibigay-daan sa iyo upang rigidly pormal na kung ano ang dapat makilala ng browser, at ito ay naka-parse. Maraming mga tool para sa paghahanap ng impormasyon ang gumagamit ng mga variant ng browser (engine). Ang mga regular na expression ay isang epektibong paraan ng paghahanap ng tamang impormasyon. Ang pagpapatupad ng jQuery ay isang espesyal na paraan ng pag-parse ng dokumento, na namamalagi sa sarili nito at bumubuo ng bahagi nito o kinokontrol ito.

Ano ang isang parser? Ito ay PHP, at ang browser, at ang JavaScript ay binuo dito. Ang mga tool na ito ay nagsasagawa ng kanilang sariling, halos sintaktikong function. Ngunit kung ano ang tunay at mahalaga: ang parser ay ang halaga na tumutukoy sa saklaw at layunin.

Sa pagsasalita tungkol sa bureau ng turista, maaari mong itakda ang gawain upang bumuo ng isang parser ng mga lugar ng pahinga, magbigay ng impormasyon tungkol sa mga kondisyon ng paninirahan, taya ng panahon, mga presyo ng pagkain, mga museo. Pag-develop ng isang balita site, dapat kang magsulat ng isang bagay na pag-aralan ang isang tiyak na hanay ng mga site at mangolekta mula sa kanila ang pinakabagong impormasyon.

Istraktura at nilalaman ng proseso

Bago gumawa ng isang makabuluhang sagot sa tanong na "parser: ano ito?", Kailangan mong bumuo ng isang daloy ng impormasyon at tukuyin ang isang hanay ng mga keyword. Algorithm para sa pagtatasa ng output ng paghahanap, sa kabila ng tila pormalidad, ay nasa input ng iba't ibang mga elemento kung saan ang mga salita at ang kanilang mga pagkakasunod-sunod ay maaaring lumampas sa ninanais na mga semantika.

Kahit na prestihiyosong mga search engine, nagsasagawa ng isang pasadyang query, madalas na nag-aalok ng hindi sa lahat kung ano ang kinakailangan sa pamamagitan ng kahulugan, bilang karagdagan, ayon sa kanilang sariling pag-unawa, sila ay nagbibigay ng lahat ng kanilang inaalok sa isang malaking halaga ng advertising at spam.

Upang igiit ang tungkol sa parser na ito ay katumbas ng artipisyal na katalinuhan (dahil kinakailangan upang harapin ang pagtatayo ng mga algorithm upang maayos na umangkop sa pagbabago ng daloy ng impormasyon, mga mobile na tuntunin para sa pagbuo at paggamit ng mga keyword), masyadong maaga.

Ang bahagi ng leon ng "pag-parse", na awtomatiko at walang kamalayan ay gumagawa ng isang tao sa bawat segundo ay napaka-simple, ang lohika ng prosesong ito ay maaaring maging madali madali pormal, sa bahagi, ang mga umiiral na tool ay nagpapakita na ito.

Mula sa estatika hanggang sa dinamika

Maaari mo ring sabihin ang tungkol sa parser na ito ay isang hanay ng mga algorithm para sa pagbuo ng daloy ng impormasyon, ang mga patakaran para sa pagtukoy ng mga keyword at ang kanilang aplikasyon. Ngunit ang tatlong bases na ito ay hindi matatag tulad ng buhangin, ngunit sa isang tiyak na application at maaari silang interpreted sa iba't ibang paraan.

Ang isang banal na paghahanap sa pamamagitan ng Google at ang bersyon ng pag-parse ng salitang "key" na may probabilidad ng 0% ay makakahanap ng hindi bababa sa isang artikulo tungkol sa tagsibol, na kung saan patiwasay murmurs sa isang lugar sa isang kahanga-hangang lugar. Ang posibilidad ay hindi tumaas, kahit na tinukoy mo ang "key sa glade". Isinasaalang-alang ng "Google" nang matapat:

• Ang susi upang magsimula!
• Ang mga lugar ng paglilibang sa likas na katangian - Opisyal na site ng administrasyon ...
• Hot Key, ang opisyal na website na "Hot Key", ang forum na "Hot Key" ... Sa glade Mga Taganay - Taganay National Park
• Guest house sa Krasnaya Polyana, umarkila ng bahay (cottage) sa Bagong ...
• "Makalangit na Key" - Resulta mula sa Google Books

...

Siyempre, ang algorithm sa pag-parse ay dapat na ma-optimize ang output na ito at magbigay ng impormasyon tungkol sa susi bilang isang spring, kung ano sila, kung saan sila nakakatugon, ano ang mga interes at kapaki-pakinabang. Malinaw, kahit na ang pinaka-binuo parsing mula sa isyu ng "Google" dito ay hindi gawin.

Aktibong kaalaman

Upang maayos na maayos ang problema, kinakailangan na huwag mag-isyu ng mga search engine, ngunit ang nilalaman ng maraming mga site at nilalaman ng isang walang katapusang bilang ng mga artikulo. Paano makakuha ng isang makabuluhang daloy ng impormasyon mula sa salitang "key"?

Ang pagpipilian ay maaaring isa lamang: kailangan mong gawing aktibo ang iyong mga keyword, ibig sabihin, ang paghahanap para sa isang partikular na salita ay dapat palawakin sa kahulugan nito. Ang panuntunan sa paghahanap ay dapat na aktibo, iyon ay, sa una na tinukoy, isang bagay na mismo ay nagiging isang paunang pagbinbin ng kahulugan, at pagkatapos ay ang kilusan ay nagsisimula sa parehong bahagi ng pagbuo ng wastong pinagmumulan ng impormasyon (ang sinusuri na daloy) at may kaugnayan sa kung ano ang na-parse dito .

Ang aktibong kaalaman ay isang bagay mula sa larangan ng Man> Intellect> Programming, isang uri ng Chipiotics ang nakuha. Ito ay hindi isang panuntunan, hindi lamang isang keyword. Ang taong nakakuha ng pag-iisip at pormal na ito sa pamamagitan ng programming ay hindi static, ngunit dynamic, na nagbibigay ng pag-parse ng isang bagong kahulugan - pagbabago ng pagbabago sa input at kadaliang kumilos sa proseso.

Ang konsepto na nakabalangkas ay ipinapalagay na isang elemento ng pag-unlad sa sarili - mahirap, ngunit kung ang mga tanyag na search engine ay "natutunan" upang pag-aralan ang mga query sa paghahanap at nagsimulang magpadala ng sapat na advertising sa bawat browser, posibleng maidirekta ang tagumpay na ito sa isang mas kapaki-pakinabang na channel.

Ang perpektong solusyon: sariling kaalaman at karanasan> prisma ng tamang mga panuntunan

Ang pag-parse ay naging isang malubhang nasasangkot na gawain at nagbuo ng isang kongkreto na karanasan sa pagbubuo ng daloy ng impormasyon, ang mga patakaran para sa paggamit ng mga keyword. Ang pagkilala sa mga character, mga na-scan na imahe at halos "sakdal" na mga pagsasalin mula sa isang wika patungo sa isa pang laban sa pag-unlad ng mga interface ng pakikipag-ugnayan (mga site ng API, mga search engine, parser) ay nagbibigay-daan sa iyo upang matukoy ang tamang direksyon ng kilusan.

Tulad ng lahat ng bagay ay maisasakatuparan, mahirap pa rin sabihin, ngunit totoong totoo na ang mga alituntunin para sa pagbuo ng impormasyon ay dumadaloy, ang istruktura ng mga keyword at pag-unlad ng instrumento ay dapat na aktibo, at ang bahagi na ito, dahil sa pangkalahatang static at pormal na likas na katangian ng mga modernong programming language, ay dapat na tinutukoy sa proseso ng paggamit.

Ito ang kaso kung kailan ang natural na kadahilanan ng tao sa proseso ng paglutas ng mga kagyat na suliranin ay maaaring at mag-ambag sa pag-aaral at pag-unlad ng kalipunan ng pag-parse, ang pagbubuo ng isang prisma ng ilang mga patakaran.