爬虫学习——初识HTML

最新推荐文章于 2023-05-17 17:48:14 发布

Src182

最新推荐文章于 2023-05-17 17:48:14 发布

阅读量316

点赞数

CC 4.0 BY-SA版权

分类专栏： python爬虫入门

本文链接：https://blog.youkuaiyun.com/Src182/article/details/107916900

python爬虫入门专栏收录该内容

2 篇文章

订阅专栏

这篇博客介绍了HTML的基本概念，包括它作为超文本标记语言的用途，以及其组成部分和层级结构。学习HTML的重点在于理解元素，尤其是闭合标签和空标签的使用。对于爬虫学习者来说，能读懂和修改HTML是基础技能。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1.HTML是个什么东西？

Hyper Text Markup Language（HTML）超文本标记语言，是用来描述网页的一种语言。
那么标记语言又是什么呢？标记语言就是把文本和文本以外的相关信息（例如大小，高度，颜色，位置等）组合在一起的语言

功能：用于网页的编写和修改。
我们学习html的阶段：看懂、修改、编写。
学习爬虫要掌握的html：看懂简单的html代码并学会修改、提取信息。

2. HTML的组成

<!DOCTYPE html>->全局声明,告诉浏览器处理的文件是html文件
<html>---------->html文件开始
	<head>------>文档头开始
		***网页头的具体内容***
	</head>----->文档头结束
	<body>------>文档体（开始）
		***网页体的具体内容***
	</body>----->文档体（结束）
</html>--------->html文件结束

HTML文档主要由元素组成，分别有：
!DOCTYPE html是一个全局声明，目的是告诉浏览器，你现在处理的这个文档是HTML文档。
html元素（html /html）。
head头元素（head /head）。
body主体元素（body /body）。

3. HTML的层级结构

头部元素（ head —— /head）内，一般会被用来设置网页的编码，添加网页标签的小logo，小标题，外部文件引用
HTML文档的主体元素（《body》《/body》）负责定义网页窗口内的所有内容。（significance should be attached here.)

4. 标签

首先，标签是个什么东西呢？
凡是用尖括号包裹起来的都算是标签，顾名思义，标签就是用于标记文本信息的，但是按照形式，它们有：

4.1闭合标签

闭合标签基本上都是成对出现，有开始也有结束。

<html>
</html>
<div>
</div>
<form>
</form>

4.2空标签

同样，空标签就是没有成对出现，孤苦伶仃的标签。

<imag />  图片标签
<link />  链接标签
<input /> input标签。