【Python爬虫开发基础⑤】HTML概述与基本标签详解
专栏：python网络爬虫从基础到实战 欢迎订阅！近期还会不断更新~
往期推荐：
【Python爬虫开发基础①】Python基础（变量及其命名规范）
【Python爬虫开发基础②】Python基础（正则表达式）
【Python爬虫开发基础③】Python基础（文件操作方法汇总）
【Python爬虫开发基础④】爬虫原理
上一篇文章已经介绍了爬虫的概念以及常见的爬虫和反爬手段，本篇文章来简单说一下前端的HTML知识
文章目录
- 1 什么是HTML
- 2 为什么要学习HTML
- 3 标签的介绍
- 4 标签的语法
- 5 常用标签
1 什么是HTML
HTML（Hypertext Markup Language）是一种标记语言，用于创建和呈现网页。它是构建网页的基础，并且具有简单易学的语法规则。HTML以标签为基本单位，通过嵌套和属性来描述和格式化网页上的内容和结构。
HTML最初由蒂姆·伯纳斯-李（Tim Berners-Lee）在1990年创造，旨在促进信息共享和互联网上各种文档之间的链接。如今，HTML成为了万维网的核心技术之一，被广泛应用于网页制作、网站开发和跨平台内容交互等领域。
网页由三部分组成：
- 内容（结构）：是我们在页面中可以看到的数据。我们称之为内容。一般内容我们使用html技术来展示。
- 表现：指的是这些内容在页面上的展示形式。比如说。布局，颜色，大小等等。一般使用CSS技术实现。
- 行为：指的是页面中元素与输入设备交互的响应。一般使用javascript技术实现。
每一个网页显示的元素都是由HTML代码构成的，我们可以通过下图的操作看到HTML代码，我们爬虫正是要获得这些代码，通过解析获得我们想要的数据。
2 为什么要学习HTML
学习爬虫时，学习HTML（Hypertext Markup Language）是非常重要的，因为HTML是构建网页的基础标记语言。了解和掌握HTML对于理解网页结构、获取网页内容以及编写高效的爬虫程序至关重要。
- 网页结构理解：学习HTML可以帮助我们了解网页的结构，包括标签、元素、属性等。在爬虫中，我们需要解析网页的结构来定位所需的数据，而HTML提供了各种标签和嵌套规则，通过学习HTML可以更好地理解页面的组成部分和它们之间的层次关系。
- 页面内容抓取：学习HTML可以帮助我们抓取网页上的内容。网页中的各种文本、图片、链接、表格等信息都是通过HTML标记来定义和呈现的，了解HTML语法和元素可以有效地筛选出我们需要的数据，并将其提取到爬虫程序中进行后续处理和分析。
- 元素属性识别：HTML标签通常有一些属性，这些属性可以提供有关元素的额外信息，如id、class、href等。通过学习HTML，我们可以学会如何利用这些属性来定位和识别特定的网页元素。在爬虫中，准确定位需要抓取的数据是非常重要的，而HTML标签的属性可以帮助我们精确地找到目标信息。
- 网页动态内容：现代网页通常包含大量的JavaScript代码，用于动态生成和更新页面内容。学习HTML可以让我们理解与JavaScript交互时网页的变化。当我们遇到需要爬取动态加载的页面时，对HTML的基本了解可以帮助我们分析网页结构以及JavaScript代码的作用，从而编写适应性强的爬虫程序。
- 错误处理和调试：学习HTML可以使我们更好地处理和调试爬虫程序中的错误。当爬虫程序无法正常工作或者抓取到错误的数据时，对HTML的理解可以帮助我们迅速定位问题所在，并针对性地进行修复和调试。
总之，学习HTML对于爬虫开发人员来说，是掌握有效抓取网页内容的基础。它不仅能帮助我们理解网页的结构、获取所需的数据，还能提高爬虫程序的稳定性和效率。通过学习HTML，我们可以更好地应对各种不同类型的网页，并编写出功能强大且适应性广泛的爬虫程序。因此，在学习爬虫时，HTML是一项必不可少的技能。
3 标签的介绍
- 标签格式
<标签名>封装的数据标签名>
- 标签名大小写不敏感
- 标签拥有自己的属性
bgcolor = "red"
onclick = "alert('你好');"
- 标签分为单标签和双标签
<br/>
<标签名>封装的数据标签名>
4 标签的语法
- 标签不能交叉嵌套，例如：
正确：<div><span>正确的span>div>
错误：<div><span>错误的div>span>
- 标签必须正确关闭(闭合) ，例如：
正确：<div>正确的div>
错误：<div>错误的（后面少了结束标签）
- 单标签一定要带上自结束符
- 属性必须有值，且值要加引号
正确：<font color="blue">正确的font>
错误：<font color=blue>错误1font>
错误：<font color>错误2font>
- 注释不能嵌套
正确： <br/>
错误：<!-- 注释内容
但是，浏览器往往都带有自动修复功能，面对各种语法错误，浏览器会尽可能的帮我们表达出我们想要表达的意思，所以有时候即使出现语法错误，在浏览器中也不会表现出来。
5 常用标签
- 当我们在IDE创建一个HTML文件，它会自动生成一个框架代码：
DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Titletitle>
head>
<body>
Html 的代码注释
body>
html>
当我们改变title的值，就可以改变网页打开时的标签题目。例如：
<title>我是标题title>
效果：
- font（字体）标签，它可以用来修改文本的字体,颜色,大小(尺寸)。例如：
<font color="red" face="宋体" size="7">我是字体标签font>
color属性修改颜色；face属性修改字体；size属性修改文本大小
- 特殊字符
我是<br>标签<br/>
H T M L
- 标题标签
<h1 align="left">111h1>
<h2 align="center">222h2>
<h3 align="right">333h3>
<h4>444h4>
<h5>555h5>
<h6>666h6>
- 超链接标签
<a href="http://localhost:8080">按钮a><br/>
<a href="http://localhost:8080" target="_self">按钮_selfa><br/>
<a href="http://localhost:8080" target="_blank">按钮_blanka><br/>
- img标签
<img src="1.jpg" width="200" height="260" border="1" alt="图片找不到"/>
<img src="../../2.jpg" width="200" height="260" />
<img src="../imgs/3.jpg" width="200" height="260" />
<img src="../imgs/4.jpg" width="200" height="260" />
- 表格标签
<table width="500" height="500" cellspacing="0" border="1">
<tr>
<td colspan="2">1.1td>
<td>1.3td>
<td>1.4td>
<td>1.5td>
tr>
<tr>
<td rowspan="2">2.1td>
<td>2.2td>
<td>2.3td>
<td>2.4td>
<td>2.5td>
tr>
<tr>
<td>3.2td>
<td>3.3td>
<td>3.4td>
<td>3.5td>
tr>
<tr>
<td>4.1td>
<td>4.2td>
<td>4.3td>
<td colspan="2" rowspan="2">4.4td>
tr>
<tr>
<td>5.1td>
<td>5.2td>
<td>5.3td>
tr>
table>
- iframe标签
我是一个单独的完整的页面<br/><br/>
<iframe src="3.标题标签.html" width="500" height="400" name="abc">iframe>
<br/>
<ul>
<li><a href="0-标签语法.html" target="abc">0-标签语法.htmla>li>
<li><a href="1.font标签.html" target="abc">1.font标签.htmla>li>
<li><a href="2.特殊字符.html" target="abc">2.特殊字符.htmla>li>
ul>
- 列表标签
<ul type="none">
<li>一li>
<li>二li>
<li>三li>
<li>四li>
ul>
<ol>
<li>一li>
<li>二li>
<li>三li>
<li>四li>
ol>
- 其他标签
<div>div标签1div>
<div>div标签2div>
<span>span标签1span>
<span>span标签2span>
<p>p段落标签1p>
<p>p段落标签2p>
效果：
- 表单标签
<form action="http://localhost:8080" method="post">
<input type="hidden" name="action" value="login" />
<h1 align="center">用户注册h1>
<table align="center">
<tr>
<td> 用户名称：td>
<td>
<input type="text" name="username" value="默认值"/>
td>
tr>
<tr>
<td> 用户密码：td>
<td><input type="password" name="password" value="abc"/>td>
tr>
<tr>
<td>性别：td>
<td>
<input type="radio" name="sex" value="boy"/>男
<input type="radio" name="sex" checked="checked" value="girl" />女
td>
tr>
<tr>
<td> 兴趣爱好：td>
<td>
<input name="hobby" type="checkbox" checked="checked" value="java"/>Java
<input name="hobby" type="checkbox" value="js"/>JavaScript
<input name="hobby" type="checkbox" value="cpp"/>C++
td>
tr>
<tr>
<td>国籍：td>
<td>
<select name="country">
<option value="none">--请选择国籍--option>
<option value="cn" selected="selected">中国option>
<option value="usa">美国option>
<option value="jp">小日本option>
select>
td>
tr>
<tr>
<td>自我评价：td>
<td><textarea name="desc" rows="10" cols="20">我才是默认值textarea>td>
tr>
<tr>
<td><input type="reset" />td>
<td align="center"><input type="submit"/>td>
tr>
table>
form>
注：上面的代码都可以复制到body里面自己看效果，在这里就不演示了。
下一篇文章，我们来说一下Web和HTTP~