黑马程序员技术交流社区

标题: Python爬虫精简步骤2 HTML基础（上） [打印本页]

作者: 长沙-小知姐姐 时间: 2020-2-17 15:50
标题: Python爬虫精简步骤2 HTML基础（上）
开门见山，HTML的学习可分为三个层次。
读懂，修改，编写。
读懂：只有读懂了HTML，才能看得懂网页结构，才有可能运用Python的其他模块去解析数据和提取数据。想写爬虫程序一定要先学好HTML基础。
修改：在读懂HTML文档的基础上修改HTML代码。
编写：如果达到了这个水平，那就可以去应聘前端工程师了，这是专业的程序员水平。
所以此篇只写如何读懂HTML、修改HTML文档。

HTML概念
HTML（Hyper Text Markup Language）是用来描述网页的一种语言，也叫超文本标记语言。

查看网页的HTML代码
首先，推荐使用这俩浏览器。

谷歌需要**，不会**的用火狐。操作一样。

开始操作。
随便打开一个网站。我这里打开的是微信表情开放平台。

在网页任意地方点击鼠标右键，然后点击“显示网页源代码”。
（Windows系统的电脑可使用快捷键ctrl+u来查看网页源代码）

浏览器会弹出一个新的标签页。如上图。

这样查看的好处是，整个网页的源代码都完整地呈现在你面前。
坏处是，在大部分情况下，它都会经过压缩，导致结构不够清晰，不太容易懂每行代码的含义。而且，源代码和网页分开在两个页面展示。

更多时候，我们会用这样一种方法：
在网页的空白处点击右键，然后选择“检查”（快捷方式是ctrl+shift+i）。

将鼠标放在HTML源不同行代码上，你会发现，左边网页上有一些内容会被标亮。这其实就是这行代码所描述的网页内容，它们一左一右，相互对应。

HTML的组成
标签和元素
首先，来看一个最简单的HTML文档。

<html>
<head>
  <meta charset="utf-8">
</head>
<body>
      <h1>我是一级标题</h1>
      <h2>我是二级标题</h2>
      <h3>我是三级标题</h3>
      <p>我是一个段落。一级标题、二级标题和我，我们三个一起组成了body。
      </p>
</body>
</html>

可以看到很多夹在尖括号<>中间的字母，它们叫做【标签】。
标签通常是成对出现的：前面的是【开始标签】，比如 < body >；后面的是【结束标签】，如< /body>。
不过，也有标签是形单影只地出现，比如第3行（定义网页编码格式为 utf-8），就是此类。这些知道就好，大部分情况下用的都是成双成对出现的标签。
开始标签+结束标签+中间的所有内容，它们在一起就组成了【元素】。
这是几个常见元素：

根据表格，回看一下上面那段HTML代码，里面就有< h1>，< h2>和< p>。对照看代码的显示结果，< h1>是一级标题，< h2>是二级标题，< p>是段落文本，它们一一对应。
注意：HTML标签是可以嵌套标签的，而且可以多层嵌套。
未完待续。
持续更新欢迎关注哦
网页头、网页体等更多内容可点关注过一阵会出Python爬虫精简步骤3 HTML基础（下）。
————————————————
原文链接：「鳃鳃鳃鳃」 https://blog.csdn.net/LoraRae/article/details/104331778

欢迎光临黑马程序员技术交流社区 (http://bbs.itheima.com/)

黑马程序员IT技术论坛 X3.2