首页 > 文章 > 后端开发 > Python网络爬虫入门：理解Web网页基础

Python网络爬虫入门：理解Web网页基础

WBOY转载: 2023-04-22 11:01:081602浏览

1.网页的组成

网页主要是三大部分组成——HTML,CSS和JavaScript。如果把网页比作人的脸，这三部分就好比人的眼睛，鼻子和嘴。下面我们介绍这三个功能。

HTML

HTML（HyperText Markup Language）是用于构建网页的标记语言，它是一种基于标准通用标记语言的子集，它取代了HTML1.0作为网页制作的标准，在HTML2.0中，新增了一些元素，增强了网页的表现能力。

HTML的语法包括标签和标签语法，它们被用来定义网页的结构、内容和样式。一个HTML文档通常包含一个根标签和一个或多个标签，每个标签都有一个标题行，用于标记标签的类型、属性和值。

HTML的根标签是文档的开始标签，它包含文档的标题和其他基本信息，如文档类型、语言、日期、版本等。

除此之外，HTML还有一些其他的元素和属性，如标题、段落、表格、列表、图像、链接等，这些元素和属性可以用来定义网页的外观和行为。

HTML的优点包括可移植性、跨平台性和内容丰富性等，它已经成为网页制作的标准语言，广泛应用于网站、电子邮件、新闻文章、在线聊天等领域。

CSS

HTML定义了网页的结构，但是只有HTML的页面布局，网页并不好看。为了使网页更加好看一些，可以借助CSS来实现。

CSS（层叠样式表）是一种用于定义网页样式的语言，它是HTML的超集。CSS提供了更多的样式选择和定义，使网页设计更加灵活和易于维护。

CSS的语法包括选择器、属性、值和伪类选择器等。选择器是用来选择要应用样式的元素的，它可以基于类、ID、通配符等进行选择。属性是用来定义元素样式的，它可以基于类、ID、通配符等进行定义。值可以是一个单独的值，也可以是一个字符串、数字或其他类型的值。伪类选择器是用来定义类选择器和ID选择器的，它可以用来定义伪类元素和伪类选择器。

CSS的优点包括可维护性、可扩展性和可定制性等，它使网页设计更加灵活和易于维护。通过使用CSS，可以更好地控制网页的布局、样式和动画效果，从而使网页更加美观和吸引人。

CSS3是CSS的最新版本，它增加了一些新的选择器、属性和值，使网页设计更加灵活和丰富。例如，CSS3新增了伪类选择器、动画选择器、过渡选择器等，使网页设计更加生动和有趣。

那么CSS什么样子呢，我摘抄了一段。

#head {
    position: relative;
    height: 100%;
    width: 100%;
    min-height: 768px;
    cursor: default;
}

这段代码定义了一个名为#head的元素，它的样式属性为position: relative; height: 100%; width: 100%; min-height: 768px; cursor: default;。

这些属性的含义如下：

position: relative：表示元素的定位方式为相对定位，即元素相对于其父元素进行定位。
height: 100%：表示元素的高度为其父元素的高度的100%。
width: 100%：表示元素的宽度为其父元素的宽度的100%。
min-height: 768px：表示元素的最小高度为768像素，即其父元素的最小高度为768像素。
cursor: default：表示元素的光标样式为默认值，即不设置光标样式。
通过这些属性的组合，可以定义一个具有相对定位、高度为100%、宽度为100%的元素，并且具有默认的光标样式。

JavaScript

JavaScript（简称“JS”）是一种具有函数优先的轻量级，解释型或即时编译型的编程语言。它由Netscape公司的Brendan Eich在1995年首次设计实现，并被广泛用于Web浏览器中。

JavaScript 的语法基于原型编程、多范式的动态脚本语言，并且支持面向对象、命令式、声明式、函数式编程范式。它的标准是ECMAScript，截至 2012 年，所有浏览器都完整的支持ECMAScript 5.1，旧版本的浏览器至少支持ECMAScript 3 标准。

JavaScript 的基本语法包括变量、函数、对象、数组和闭包等。变量用于存储数据，函数用于实现逻辑，对象用于封装数据和方法，数组用于存储数据或对象，闭包用于重写函数或方法并在其中使用变量。

JavaScript 的内置对象包括函数、数组、对象、字符串、正则表达式和函数等。它还支持ES6中的class和const，以及新增的let和const`。ES7引入了let，const和rest/spread等语法。

JavaScript 的作用域链机制使代码可以在不同的作用域中安全地执行。它还支持事件处理、DOM操作、模块化等功能。JavaScript 已经广泛应用于Web浏览器、移动应用、游戏开发等领域。

JavaScript通常是以单独文件加载的，后缀是.js。

综上所述，HTML定义了网页的内容和结构，CSS描述了网页的样式，JavaScript定义了网页的行为。

2.网页的结构

下面我们看一个示例代码。

<!DOCTYPE html>  
<html>  
<head>  
<title>网页标题</title>  
<meta charset="UTF-8">  
<meta name="viewport" content="width=device-width, initial-scale=1.0">  
<link rel="stylesheet" href="styles.css" rel="external nofollow" >  
</head>  
<body>  
<header>  
<nav>  
<ul>  
<li><a href="#" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >导航链接1</a></li>  
<li><a href="#" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >导航链接2</a></li>  
<li><a href="#" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" >导航链接3</a></li>  
</ul>  
</nav>  
</header>  
<main>  
<h2>网页标题</h2>  
<p>这是一个段落。</p>  
<ul>  
<li>列表项1</li>  
<li>列表项2</li>  
<li>列表项3</li>  
</ul>  
</main>  
<footer>  
<p>版权信息</p>  
</footer>  
</body>  
</html>

这个示例中，8b05045a5be5764f313ed5b9168a17e6 声明了这是一个 HTML5 文档，100db36a723c770d327fc0aef2ce13b1 标签定义了文档的根元素，93f0f5c25f18dab9d176bd4f6de5d30e 标签包含了文档的元数据，如标题、字符集、视口等。b2386ffb911b14667cb8f0f91ea547a7 标签定义了文档的标题，0d94b2dad07259293dd606022eaa23d8 和 f67d41984a32dd6bd50b01abe7702909 标签定义了文档的字符集和视口。2cdf5bf648cf2f33323966d7f58a7f3f 标签定义了文档的样式表，c787b9a589a3ece771e842a6176cf8e9 标签定义了文档的导航链接，ff6d136ddc5fdfeffaf53ff6ee95f185 标签定义了文档的列表项，25edfb22a4f469ecb59f1190150159c6 标签定义了文档的列表项。c1a436a314ed609750bd7c7d319db4da 标签定义了文档的标题，e388a4556c0f65e1904146cc1a846bee 标签定义了文档的段落。c37f8231a37e88427e62669260f0074d 标签定义了文档的版权信息。

这只是一个简单的示例，实际的HTML结构可能更加复杂。在编写网页时，需要根据具体的需求和目标，选择合适的HTML标签和样式表，并进行适当的排版和布局。

3.节点树和节点间的关系

节点树（Node Tree）是一个树形数据结构，它通过节点的组合来表示数据，节点通过节点之间的关系来表示数据之间的层次结构。节点树可以用来实现各种数据的组织和管理，例如数据库中的表，文件系统中的文件，以及各种应用程序中的数据模型。

节点间的关系通常通过以下方式表示：

树形结构：节点之间通过树形结构连接，节点的父节点通过右子节点连接，左子节点连接到根节点。
节点的层次结构：节点根据其父节点的层次结构来确定其位置。例如，一个节点的父节点是其子节点的父节点，其子节点是其左右子节点。
节点的继承关系：节点之间存在继承关系，即子节点继承其父节点的属性和关系。
节点的属性和关系：节点可以有属性和关系，属性用于描述节点的基本信息，例如名称、类型、值等。关系用于描述节点之间的关系，例如父子关系、层级关系等。
节点的遍历：节点树可以通过遍历来访问和修改节点的属性和关系。例如，可以通过递归遍历来查找节点的子节点和父节点，可以通过深度优先搜索遍历整个树。

下面我们一个示意图，一目了然。

Python网络爬虫之Web网页基础是什么

4.选择器

我们知道网页由一个个节点组成，CSs 选择器会根据不同的节点设置不同的样式规则，那么怎样来定位节点呢？

在 Css 中，我们使用 CSS 选择器来定位节点。

CSS选择器是用于在HTML文档中选择元素的语言。CSS选择器是一种用于选择HTML元素的语言，它可以用于创建样式表，并将样式应用于HTML元素。

CSS选择器通常由一个或多个关键字组成，这些关键字用于指定选择器的类型。例如，div选择器用于选择所有具有div类的元素，a选择器用于选择所有具有a类的元素，img选择器用于选择所有具有img类的元素等。

CSS选择器可以使用通配符来匹配多个类型的元素。例如，div, a, img可以匹配所有具有这些类型的元素。

CSS选择器还可以使用伪类来创建更复杂的选择器。例如，:hover伪类用于在鼠标悬停在元素上时应用样式，:focus伪类用于在元素上聚焦时应用样式等。

CSS选择器可以嵌套使用，以创建更复杂的选择器。例如，div:hover a可以选择所有具有a类的元素，div:focus a可以选择所有具有a类的元素，并在鼠标悬停和聚焦时应用样式。

总之，CSS选择器是一种用于在HTML文档中选择元素的语言，它可以用于创建样式表，并将样式应用于HTML元素。

以上是Python网络爬虫入门：理解Web网页基础的详细内容。更多信息请关注PHP中文网其他相关文章！

声明：

本文转载于：yisu.com。如有侵权，请联系admin@php.cn删除

上一篇：Python中如何计算函数的执行时间？下一篇：Python 教程：如何使用 Python 分割和合并大文件？

查看更多