Diferencia entre XML y JSON: comparación de XML/JSON + colección de proxy

Enseñarle a elegir el formato: XML y JSON al final ¿dónde está la diferencia?

participar en la recopilación de datos del hierro viejo debe haber visto XML y JSON este par de enemigos, especialmente con los datos de rastreo proxy ip, el rendimiento de estos dos bienes es completamente diferente. Tomemos la colección proxy ip para decir algo.XML es como un parlanchín.Cada dato tiene que ir envuelto en una capa de "ropa", por ejemplo:

1.2.3.4
  80
  https</tipo
</proxy

(indica relación causal)JSON es un tirador directo.No quiero ser un gruñón:

{
  "ip": "1.2.3.4",
  "port": 8080,
  "tipo": "https"
}

¿Ves el camino? Al recopilar datos con ip proxy, el formato JSON puede ahorrar al menos 30% de tráfico, que necesita cambiar con frecuencia la tarea de recopilación de ip, es simplemente un pequeño ahorro de combustible.

Captura Proxy en acción: la selección del formato importa

Nuestros clientes de ipipgo lo han probado y han recogido los mismos datos de 1000 ip proxy:

- Tiempo XML: 8,2 segundos de media
- Tiempo JSON consumido: 5,1 segundos de media

¿Por qué es tan diferente?Todo depende del tamaño del paquete.¡El servicio proxy ip en sí tiene un tiempo de respuesta! El servicio proxy ip en sí tiene un tiempo de respuesta, si el formato de datos y luego arrastrado detrás, la eficiencia de la colección directamente fractura. Aquí para insertar un hardcast, la interfaz de ipipgo soporte por defecto de salida de doble formato, desea cambiar el formato, siempre y cuando se cambia un parámetro en la línea:

 Por ejemplo
requests.get("https://api.ipipgo.com/get", params={"formato": "json"})

Guía para evitar el hoyo: estos detalles te van a matar

¿Alguna vez has visto a alguien usar XML para parsear una ip proxy y acabar en un agujero? La situación más escandalosa que he encontrado:

1. Caso incorrecto de etiquetas ( y son tontos)
2. Los valores de los atributos no están entre comillas (los ip con caracteres especiales se colapsarán directamente).
3. Olvidarse de los bloques CDATA (recoger comentarios como datos reales)

JSON, por otro lado, no tiene este tipo de mierda, especialmente cuando se trata de datos proxy ip como ipipgo con información de geo-localización, la estructura anidada es muy fácil de tratar:

{
  "nodo": {
    "ip": "1.2.3.4",
    "ubicación": {
      "ciudad": "shanghai",
      "operador": "Telecom"
    }
  }
}

sesión de preguntas y respuestas

P: ¿Por qué se recomienda siempre JSON?
R: Para dar un ejemplo inapropiado, XML como mensajería envuelto en diez capas de plástico de burbujas, JSON es como un envío directo piezas desnudas. Para la necesidad de cambiar con frecuencia proxy ip tarea de recolección, guardar el tráfico puede ser más de unos pocos sitios web.

P: ¿A qué debo prestar atención con la recogida de ip proxy?
R: tres cosas para recordar: 1) elegir para apoyar proveedor de conmutación automática (como ipipgo interfaz de sondeo) 2) establecer el tiempo de espera no más de 3 segundos 3) cumplir con el código de verificación inmediatamente cortar ip

P: ¿Cuáles son las ventajas exclusivas de ipipgo?
R: decir tres real: ① soporte para la selección de posicionamiento a nivel de calle de ip proxy ② control de tiempo de respuesta dentro de 200ms ③ actualización automática diaria 20%IP piscina, efecto antibloqueo de la barra.

Lo último en consejos de selección

Por último, vuelca una tabla comparativa en seco:

Velocidad de procesamiento: JSON late √
Tolerancia a fallos: XML es ligeramente más fuerte x
Espacio de expansión: empate ≈
Consumo de tráfico: JSON save 30%+√

Si usted hace principalmente proxy ip colección, cerrar los ojos y elegir JSON es correcto. Por supuesto, si utiliza ipipgo, se recomienda abrir su conversión de formato inteligente, adaptado automáticamente a las necesidades de análisis sintáctico del sitio de destino, esta característica ha sido probada para mejorar la tasa de éxito de la colección 20%.

Digamos que un caso real: un cliente de comercio electrónico con formato xml recoger ip proxy, el resultado se activa 300 + veces por hora CAPTCHA. Después de cambiar a formato json + ipipgo agente residencial dinámico, directamente a un solo dígito. La brecha, ¿es lo suficientemente convincente?