Penyahkodan data adalah proses mengekstrak maklumat terstruktur yang boleh digunakan daripada kandungan yang dikikis secara mentah, seperti HTML, JSON, atau XML, dan menukarkannya ke dalam format yang bersih seperti hamparan atau rekod pangkalan data. Penyahkodan adalah langkah yang mengubah halaman web yang dikikis secara mentah menjadi data yang boleh digunakan.

Pendekatan Penyahkodan yang Biasa

  • Perpustakaan penyahkodan HTML (seperti BeautifulSoup atau Cheerio), yang menavigasi struktur DOM halaman untuk mengekstrak elemen tertentu
  • Pertanyaan pemilih CSS atau XPath, yang menyasarkan elemen berdasarkan tag, atribut, atau kedudukan mereka dalam pokok dokumen

Penyahkodan HTML yang Tidak Betul

Halaman sebenar sering mengandungi markup yang tidak sah, dan penyahkod tidak membaikinya dengan cara yang sama. Dokumen Beautiful Soup menunjukkan input <a></p> menjadi <a></a> dalam html.parser Python, <html><body><a></a></body></html> dalam lxml, dan <html><head></head><body><a><p></p></a></body></html> dalam html5lib, yang menyahkod seperti pelayar. Dokumen mengesyorkan menamakan penyahkod secara eksplisit supaya kod memberikan hasil yang sama di setiap mesin.

Penyahkodan JSON

Respons JSON disahkod terus ke dalam objek dan bukannya dicari sebagai markup. Dalam JavaScript, JSON.parse() membina nilai yang diterangkan oleh rentetan JSON dan membuang SyntaxError jika rentetan itu bukan JSON yang sah, sebagai contoh apabila ia mempunyai koma yang tertinggal atau rentetan yang diapit dengan petikan tunggal.

Istilah Berkaitan