Web 的应用触及到了我们身边的每一处地方，衣食住行哪个都离不开他，本章的内容会让大家更好的了解一个什么是web，都在哪里。 HTML 是一种文本标识语言，后来出现了 XML ，则将 HTML 认为是 XML 的一个子集。 这样，在程序处理中，一种模型则将其视为节点，而不是标签/属性。

Web 信息解析与处理是指从互联网上获取网页内容，并从中提取、分析和处理有价值信息的一系列技术。 这项技术是大数据时代信息采集和知识挖掘的基础环节，广泛应用于搜索引擎、舆情监测、商业智能、学术研究等领域。

基本流程:

• 网页获取：通过HTTP/HTTPS协议下载网页内容， 使用请求库(如requests)模拟浏览器访问，处理反爬机制(验证码、IP限制等)， 遵守robots.txt协议和网站使用条款。
• 内容解析：从HTML/XML/JSON等格式中提取结构化数据， 使用解析库(如BeautifulSoup、lxml)处理HTML， XPath和CSS选择器定位元素， 正则表达式匹配特定模式文本。
• 数据清洗：对提取的原始数据进行规范化处理， 去除HTML标签、空白字符等噪声， 处理编码问题(如UTF-8、GBK转换)， 数据格式标准化(日期、货币等)。
• 信息存储：将处理后的数据持久化保存， 关系型数据库(MySQL、PostgreSQL)， NoSQL数据库(MongoDB、Redis)， 文件存储(CSV、JSON、Excel)。
• 分析与应用：基于提取数据进行进一步处理， 文本挖掘(关键词提取、情感分析)， 数据可视化，构建知识图谱。