网络搜刮使用哪种文件格式？答案有点复杂，因此本指南为您简化了最常见的类型。
你查看过网站的引擎盖吗？试试按键盘上的 F12 键（别紧张）。
如果您使用的是 Chrome 浏览器，开发者工具会弹出，让您一窥这些易读内容背后的复杂性。
这就是从网站上实际搜索到的内容。
JavaScript、超文本标记语言、PHP 以及数以吨计的其他计算机用来传输和显示数据的语言。
这篇文章试图缩小网络搜索所需的语言范围。
什么是文件格式？
文件格式是一种结构图，它告诉程序如何显示和存储其内容。它指定文件是否是二进制文件，并告诉你如何组织数据--例如，CSV 将纯文本存储在表格中。
通过查看文件扩展名，可以确定文件格式的类型。
例如，如果您以 CSV 格式将文件保存为 "document"，它就会显示为 "document.csv"。打开后，可以看到表格形式的数据。
什么是电子表格文件格式？
电子表格使用数字和字母将文档中的单元格组织和标记为行和列。电子表格文件格式就是在这些单元格中组织和存储数据。
常见的电子表格文件格式有逗号分隔值（.csv）、Microsoft Excel 电子表格（.xls）和 Microsoft Excel Open XML 电子表格（.xlsx）。
二进制文件格式和文本文件格式有什么区别？
您尝试过用记事本打开jpeg文件吗？
真是一团糟。
这是因为 jpeg 是一种二进制文件格式，人类无法读取，需要计算机来解压缩。而文本文件格式则可以被人类读取。
二进制文件传输更快，因为你不需要解析任何东西。但缺点是无法轻松编辑二进制文件。你需要在文件中加入新旧读写功能，并嵌入版本号。
您可以随时编辑文本文件，不会有任何问题，但整理文件会使功能变慢。
选择正确的文件格式。
在开始数据收集项目时，您需要考虑数据的格式、如何展示数据以及如何存储数据。
以下是其他一些重要因素：
- 您和您的客户通常使用什么格式？
- 哪些软件与您的硬件兼容？
- 您打算如何分析、分类和存储数据？
- 什么文件格式最容易共享？
- 未来如何打开和读取数据？
用于网络抓取的常用数据格式
数据有无数种形式。有些更适合长期存储，如 ORC 和 Parquet，而有些则更适合在计算机之间传输数据。
对于网络刮擦，您需要能够查找、收集、分析和存储数据。
逗号分隔值文件格式 (.csv)
最常见的格式是 CSV 格式，大多数人都知道它的工作原理。
CSV 可以很好地处理二维数据（行和列）。不过，我们遇到的很多数据都是多维数据，无法在二维电子表格中很好地运行。
CSV 的一个缺点是不能灵活处理 CSV 中每一行的列数变化。
Microsoft Excel Open XML 文件格式（.xls 或 .xlsx）
Excel 是一种电子表格文件格式，是处理人类可读数据的不错选择。数据必须是平面的（二维），使用这种格式处理较小的数据集或进行探索性分析比较好。
Excel 文件还包含大量额外信息，如图表、格式、公式和图片。
XLS 和 XLSX 有一点区别。主要是 XLS 是 1997 年至 2003 年 Excel 的默认文件格式，而 XLSX 是 2007 年以后的最新文件格式。
JavaScript 对象符号 (.json)
JSON 是一种被广泛采用的轻量级格式。作为一种基于文本的工具，它便于人类阅读和编写，但如果存在大量嵌套字段，阅读起来可能会比较困难。同时，它也便于机器解析。
JSON 非常适合小型数据集、登陆数据或 API 集成。如果需要处理大量数据，最好转换为更有效的格式。
它可以轻松处理多维和半结构化数据，而且可以轻松添加或删除任何字段。
大多数数据库和语言都支持或有现成的库用于导入和导出 JSON。
超文本标记语言文件格式（.html）
标记语言由不可见的字母和符号组成，这些字母和符号指示其所标记的可见页面内容。换句话说，我们使用 HTML 通过标记（字母和符号）来描述网页结构。
与 XML 不同的是，HTML 标记不能自己制作，你可以在一个框架内制作自己的标记语言。HTML 有一套预定义的命令。
可扩展标记语言文件格式（.xml）
XML 是另一种标记语言，我们可以用它在计算机之间传输数据。与 HTML 一样，它是一种基于文本的文件格式，人类和计算机都能读取。
主要区别在于，由于可以创建自定义命令，因此在定义网页结构时可以更加灵活。
什么是适合网络搜索的文件格式？
尽管 CSV 更为流行，但用于网络搜刮的最通用、最灵活的格式是 JSON。其他格式有更多的挑战和定制，通常使它们更耗费资源。
您可以在 Microsoft Excel 电子表格中轻松显示 CSV 文件，通常只需右击文件并在 Excel 中打开即可。这使它成为整理和展示数据的理想工具。
希望这些内容能为您的数据采集策略提供一些参考。如果您准备深入了解，可以开始学习如何为您的项目选择合适的网页抓取工具。
