随着“网络”一词的不断革新，微格式（microformat)是前进中重要的一步，因为它提供了一种机制能嵌入“聪明的数据”到网页中，并且易于内容提供者来实现。简单的说，微格式是规定了如何增加结构化数据到网页中，且不用修改原网页。这一节将主要介绍微格式，并且深入一些实例将用到XFN（XHTML Friends Network)，geo, hRecipe 以及 hReview等微格式。特别的，我们将从博客链接中挖掘人的关系，从网页中抽取坐标，从foodnetwork.com中解析菜单，并且分析对这些菜单的评论。本章中示例代码的实现没有处理全部的解析细节，但足够能将你领上道了。以微格式如geo或hRecipe来标记数据被称作社会化数据，它是令人感兴趣的，且社会化数据将不断增加。在写这本书的时候，几乎有一半的网页开发页报告有用到微格式，microformats.org社区刚刚庆祝了它的5岁生日。google报告有94％概率，富摘要信息（Google在搜索结果里引入的一种新的网站信息显示方式）中包含了微格式，如果google宣传了这点，我们将看到微格式重要的增长；事实上，通过ReadWriteWeb,google想要看到50％的网页包含了某种形式的语义标注，并且鼓励公司通过奖励的形式来支持这一动机。不管怎么说，你将看到更多的微格式，如果你关心网络的话。让我们进入正题吧。

XFN和朋友关系

语义网的狂热者预言像FOAF（friend of a friend --一种实体论描述人与人之间的关系，活动和活动之间的关系）这样的技术可能有一天会成为催化剂，促使很多社交网络联合起来对抗如Facebook这样的平台。虽然这些所谓的语义网技术如FOAF目前还达不到这点，但也不用太惊讶。如果你知道一些关于网络的短暂历史，那么你就会认识到这个革新是不容易的，因为网络极其分散的性质让它很难一蹴而就（参见第10章），然而，变化正在持续的，稳固的，向前进化着。微格式的出现就是为填补网页上“智能数据”的空白，它是一个很好的示范带给已有的技术以规范的标准。在这种特定情况下，它拉近了传统网络（基于易于人类阅读的HTML4.01)和语议网络(更加友好，易于机器解释）的距离。

微格式的好处在于，它提供了一种方法去嵌入这样的数据：社交网络，日程，摘要，书签；并且是反向兼容的。微格式的生态系统是多种多样的，如geo就发展得很快，并随着搜索引擎，社交媒体网站，博客平台而大受欢迎，而其它微格式则发展缓慢。当正写这本书的时候，重要的微格式开发正在进行中，包括google宣称他们在宣摘要信息中支持hRecipe.表2－1提供了一个总结对一些受欢迎的微格式。更多的示例请看http://microformats.org/wiki/examples-in-the-wild

表2－1， 一些受欢迎的技术云去嵌入结构化数据到网页中

讯享网

还有其他很多微格式你可能会碰到，但是一个好方法是，认准池塘中最大的那条鱼，如Google, Yahoo!, 以及Facebook.越多的人用到微格式，它就越可能成功，越对数据挖掘有用。

通过XFN导出社交联系

随着一点梗概关于微格式是如何适应整个网络空间，下面让我们转向一个操作性的XFN(可能是目前你所遇到的最受欢迎的微格式）程序。如你所知，XFN是一种方式，来标识与他人之间的朋友关系，以在其他标签中加入rel属性。XFN常用在博客中，特别是博客链接插件中，像WordPress提供的那样。考虑如下的HTML内容，如示例2－1， 这可能会出现在博客的友链中。

示例2－1，XFN标注示例

<div> <a href="http://example.org/matthew" rel="me">Matthew</a> <a href="http://example.com/users/jc" rel="friend met">J.C.</a> <a href="http://example.com/users/abe" rel="friend met co-worker">Abe</a> <a href="http://example.net/~baseeret" rel="spouse met">Baseeret</a> <a href="http://example.net/~lindsaybelle" rel="child met">Lindsay Belle</a> </div> 

让我们来看一个简单的获取XFN数据的例子，它类似于rubhub（http://rubhub.com/,一个社会化的搜索引擎，它爬取和索引大量的网站信息通过XFN)提供的服务,你可能想看一下在线的XFN工具在进入下一节之前。

一个宽度优先的XFN数据爬虫

让我们通过XFN获取社交数据, 并以此建立一个社交图谱。已知XFN可以嵌入任何可信的网站，坏消息是我们要做一些网站爬取工作。好消息是，虽然很繁琐，但BeautifulSoup包帮你最小化了这些麻烦。示例2－2的代码涉及到Ajaxian( 一个很受欢迎的博客关于现代化的网站开发），作为图的基础。在运行它之前请用easy_install安装BeautifulSoup.

示例2－2，从网页中爬取XFN内容（microformats__xfn_scrape.py）

讯享网# -*- coding: utf-8 -*- import sys import urllib2 import HTMLParser from BeautifulSoup import BeautifulSoup # Try http://ajaxian.com/ URL = sys.argv[1] XFN_TAGS = set([ 'colleague', 'sweetheart', 'parent', 'co-resident', 'co-worker', 'muse', 'neighbor', 'sibling', 'kin', 'child', 'date', 'spouse', 'me', 'acquaintance', 'met', 'crush', 'contact', 'friend', ]) try: page = urllib2.urlopen(URL) except urllib2.URLError: print 'Failed to fetch ' + item try: soup = BeautifulSoup(page) except HTMLParser.HTMLParseError: print 'Failed to parse ' + item anchorTags = soup.findAll('a') for a in anchorTags: if a.has_key('rel'): if len(set(a['rel'].split()) & XFN_TAGS) > 0: tags = a['rel'].split() print a.contents[0], a['href'], tags

Dion Almaer http://www.almaer.com/blog/ [u'me'] Ben Galbraith http://weblogs.java.net/blog/javaben/ [u'co-worker'] Rey Bango http://reybango.com/ [u'friend'] Michael Mahemoff http://softwareas.com/ [u'friend'] Chris Cornutt http://blog.phpdeveloper.org/ [u'friend'] Rob Sanheim http://www.robsanheim.com/ [u'friend'] Dietrich Kappe http://blogs.pathf.com/agileajax/ [u'friend'] Chris Heilmann http://wait-till-i.com/ [u'friend'] Brad Neuberg http://codinginparadise.org/about/ [u'friend']