تحدد لغة (HTML) بنية محتوى الويب المعروض في مستعرض ويب، وبالتالي إذا كانت مجموعة البيانات تتطلب استخراج معلومات من موقع ويب فيجب العثور على المحتوى في (HTML) واسترداده منه.
كيفية استخدام لغة HTML في علم البيانات
- يساعد فهم كيفية تمثيل (HTML) لموقع ويب بشكل مرئي في كتابة تعليمات برمجية أكثر قوة لاستخراج البيانات.
- بينما يمكن التعامل مع (HTML) كنص فقط، فإنّ استخدام الهيكل يساعد المطور على كتابة التعليمات البرمجية التي تتكيف بسهولة مع كل من المتطلبات المتغيرة في جمع البيانات، وبالإضافة إلى مصدر موقع الويب المتطور.
- يتم تصفية بيانات (HTML) إلى تنسيق مُحسَّن لإمكانيات محطة متنقلة، ويقوم عامل تصفية (HTML) بإنشاء البيانات المعاد تنسيقها باستخدام إمكانيات وقيود المحطة المتنقلة.
- تتمتع المحطة اللاسلكية المتنقلة بإمكانيات محددة مسبقًا، وتتكون المحطة المتنقلة من جهاز لتحويل بيانات لغة (HTML) لصفحة الويب إلى بيانات معاد تنسيقها ومناسبة لعرضها على شاشة عرض المحطة المتنقلة.
- يتم إجراء التصفية للبيانات استجابةً لنص ترجمة (HTML) والإمكانيات المحددة مسبقًا للمحطة المتنقلة، ثم تعرض وحدة التحكم البيانات التي تمت إعادة تنسيقها على الشاشة.
- تخزن الذاكرة أيضًا نصوص ترجمة (HTML)، وهي عبارة عن مجموعة من البيانات التي تشير إلى كيفية تصفية موقع الويب المرتبط بالبرنامج النصي بواسطة برنامج تطبيق ترشيح (HTML) الذي تمت مناقشته لاحقًا.
- يحفظ برنامج جداول البيانات البيانات في لغة (HTML) الذي يمكن عرضه باستخدام برنامج مستعرض ولكنّه يحتفظ بجميع المعلومات المرتبطة بتلك البيانات الضرورية للحفاظ على تنسيق ووظائف البيانات إذا أعيد إدخالها في برنامج جداول البيانات.
- يمكن بعد ذلك استخدام مستند (HTML) لعرض البيانات عبر الإنترنت أو شبكة أخرى في برنامج متصفح وكذلك لفتح البيانات في برنامج جداول البيانات.
- يتم دمج المعلومات اللازمة للحفاظ على تنسيق ووظيفة البيانات في برنامج جداول البيانات في مستند (HTML) باستخدام (HTML).
- يتم استخدام (HTML) للتعبير عن معلومات بيانات الخلية التي يتم عرضها في برنامج المتصفح ولكنّها ضرورية لبعض وظائف البيانات عند استخدامها في برنامج جداول البيانات.
