爬虫基础之HTML篇整理

1、爬虫基础之html篇整理首先要理解什么是html ：正如上图介绍的，html是一个网页中的标准标志语言。全称是hyper text makeup language.容易来说就是网页的设计要遵循这个规章。就像sql语言是全部数据查询语言的基础一样（sql became astandardof theamerican national standards institute（ansi） in 1986, and of theinternational organization for standardization（iso） in 1987 -from wikipedia）而html5是最新的标准

2、。而一个网站的界面的显示也通常由html结合css（cascading style sheets）和现在十分流行的javascript一起组成。最基础的结构如下这个执行结果如下这里要介绍一下上述的编码代表的含义标签基本格式：用于代码开始指定html版本等信息：告诉扫瞄器这是一个 html 文档，是 html 文档中最外层的元素：全部头部元素的容器，必需包含文档的标题（title），可以包含脚本、样式、meta 信息以及其他：定义文档的标题，定义扫瞄器工具栏中的标题，显示在搜寻引擎结果中的页面标题：定义文档的主体，包含文档的全部内容（比如文本、超链接、图像、表格和列表等）：定义 html 标题，

3、从到标题的重要程度逐渐降低，字体大小也逐渐减小：定义段落，扫瞄器会自动在其前后创建一些空白，很类似与我们写作时的段落：一个容易的换行符，是一个空标签，意味着它没有结束标签。：定义 html 文档中的一个分隔区块或者一个区域部分。常常与 css 一起用法，用来布局网页。这里介绍一下什么是csscss: cascading style sheets 可以翻译为层叠样式表，这个主要是为结构化文档（包含html文档或xml应用）添加样式（字体、间距、和色彩等）的计算机语言，html或者xml一起协调工作，html确定网页中由哪些内容，而css主要用来确定以何种外观（大小，粗细，色彩，对齐和位置）比如下

4、面这个例子在刚开头的时候，我说过h1到h6默认的是字体逐渐变小，但是这里可以通过css的设置把字体等等改掉，效果如下不过在爬虫的过程中，我们重点关注的不是格式，而是链接中包含的超链接，或或表格等等。下面我们来看一下链接中常用的标签标签实现基本的超链接其中为标签，表示链接指向的地址，表示超链接的文本。其显示效果如下：指向同一服务器同一名目下的form.html指向同一服务器父名目下的parent.html指向同一服务器子名目stuff下的cat.html指向外部网站超链接除了指向一个文件，还可以详细指明位置，这样扫瞄器就会挺直跳转显示文件的相应位置。指向同一个文件的其他位置效果如下这里点击蓝色的

5、部分可以挺直跳转到introduction部分指向其他文件的某个位置执行结果点击蓝色超链接可以跳转至其他地方。插入一张其中为标签；表示服务器中的 php.png 这个；表示的代替文本，假片无法显示，则显示这个文本为增强超链接：结果如下因为此处并没有实际的，所以显示的是我们频繁的图裂了的模式。我们来看一下标签的一些基本属性：路径：无法显示时的代替文本：高度：宽度：边框宽度无序列表普通用的形式来实现，一个容易的例子：上面无序列表的代码在网页中显示如下：其实在知乎上面就挺直由无序列表，同时摁下ctrl +shift +8ul 表示：unordered list 。li表示list有序列表普通用的形式来表现，一个容易的例子：上面的有序列表代码在网页中显示如下：同样在知乎上面也有，这里不做展示了，所谓有序列表就是ordered list。也就是多了前面的数字固然这个数字的起始值我们可以转变这个就像python中设置起始位置html表格由多种标签组合而成，其中最重要的三种标签是：表格的开头和结束创建表格的一行创建表格中一般单元格创建表格中标题栏单元格一个容易的表格示例实现的代码如下：其中border