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 is a widely-adopted lightweight format. As a text-based tool, it’s easy for humans to read and write, but it can be challenging to read if there are many nested fields. It is easy for machines to parse as well.
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。
We hope this adds some context to your data collection strategy. If you’re ready for more, you can begin learning how to choose the right web scraping tool for your projects.
