开发者

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python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、可扩展性和可定制开发者_Python学习性等,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>&lpythont;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&gandroidt;  
          <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>  http://www.devze.com
          </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。

          Python网络爬虫之Web网页基础

          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。

          到此这篇关于python网络爬虫之Web网页基础的文章就介绍到这了,更多相关Python Web网页基础内容请搜索我们以前的文章http://www.devze.com或继续浏览下面的相关文章希望大家以后多多支持我们!

          0

          上一篇:

          下一篇:

          精彩评论

          暂无评论...
          验证码 换一张
          取 消

          最新开发

          开发排行榜