3.7　本章小结

本章介绍了结构化、半结构化和非结构化数据及其数据的采集策略。面对非结构化网页信息，带领读者实现了页面分析和数据爬取，并把抓取的数据进行本地化存储。由于网络爬虫技术内容较多，本书篇幅有限，只是管中窥豹地介绍了网络爬虫技术与方法。下一章介绍文本信息抽取，即对采集的数据（包括DOC、PDF、HTML、Excel等）抽取文本信息。