Python网络爬虫之Web网页基础

目录

• ⭐️Web网页基础
• 1.网页的组成
• ✨HTML
• ✨CSS
• ✨JavaScript
• 2.网页的结构
• 3.节点树和节点间的关系
• 4.选择器
• 5.总结

⭐️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。

  
  
  
  
  
  
  
  
  
  
  
  
导航链接1
  
导航链接2
  
导航链接3
  
  
  
  
  
网页标题
  
这是一个段落。
  
  
列表项1
  
列表项2
  
列表项3
  
  
  
  
版权信息
  
  
  

这个示例中， 声明了这是一个 HTML5 文档， 标签定义了文档的根元素， 标签包含了文档的元数据，如标题、字符集、视口等。