网站导航
> 文章列表 > 【Python网络爬虫实战②】- Web网页基础

【Python网络爬虫实战②】- Web网页基础

网友: 文章列表 2024-03-21 16:59:29

【Python网络爬虫实战②】- Web网页基础

  • 订阅：新手可以订阅我的其他专栏。免费阶段订阅量1000+

                python项目实战

                Python编程基础教程系列（零基础小白搬砖逆袭)

  • 说明：本专栏持续更新中，目前专栏免费订阅，在转为付费专栏前订阅本专栏的，可以免费订阅付费专栏，可报销（名额有限，先到先得）。
  • 作者：爱吃饼干的小白鼠。Python领域优质创作者，2022年度博客新星top100入围，荣获多家平台专家称号。

 最近更新

〖Python网络爬虫实战①〗- HTTP原理

【Python网络爬虫实战②】- Web网页基础

⭐️Web网页基础

我们在学习爬虫之前，要先了解网页的组成，只有我们了解其组成吗，才可以方能百战百胜。我们用浏览器访问不同的网站，呈现的页面，各不一样，是因为，其网页结构不一样。

🌟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、在线聊天等地方。

✨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、游戏开发等地方。

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">  
</head>  
<body>  
<header>  
<nav>  
<ul>  
<li><a href="#">导航链接1</a></li>  
<li><a href="#">导航链接2</a></li>  
<li><a href="#">导航链接3</a></li>  
</ul>  
</nav>  
</header>  
<main>  
<h1>网页标题</h1>  
<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，<!DOCTYPE html> 声明了这是一个 HTML5 文档，<html> 标签定义了文档的根元素，<head> 标签包含了文档的元数据，如标题、字符集、视口等。<title> 标签定义了文档的标题，<meta charset="UTF-8"> 和 <meta name="viewport"> 标签定义了文档的字符集和视口。<link> 标签定义了文档的样式表，<nav> 标签定义了文档的导航链接，<ul> 标签定义了文档的列表项，<li> 标签定义了文档的列表项。<h1> 标签定义了文档的标题，<p> 标签定义了文档的段落。<footer> 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：

  1. 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。

  2. 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。

  3. 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。

  4. 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。

  5. 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。

🌟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。

另外，还有一种比较常用的选择器是 XPath 选择器，这种选择方式后面会详细介绍。

🌟5.总结

本节介绍了网页的基本结构和节点间的关系，了解了这些内容，我们才有更加清晰的思路去解析
和提取网页内容。

 

网络标签：

相关问题