1.2 Web 网页基础

 1.网页的组成

网页可以分为三大部分——HTML、CSS、JauaScript。

HTML

HTML中文翻译为超文本标记语言。

HTML是一种用来描述网页的语言。网页包括文字、按钮、图片和视频等各种复杂的元素，其基础架构就是HTML。网页通过不同类型的标签来表示不同类型的元素，这些标签之间的布局常由布局标签div嵌套组合而成，各种标签通过不同的排列和嵌套形成最终的网页框架。

——查询网页方法——

随意打卡一个网站，比如淘宝网首页，然后单击鼠标右键选择“检查元素”或者按F12，即可打开浏览器开发者工具，接着切换到Elements面板，这时候呈现的就是淘宝网首页对应的HTML，它包含了一系列标签，浏览器解析这些标签后，便会在网页中将它们渲染成一个个节点，这便形成了我们平常看到的网页。

不同标签对应不同的功能，这些标签定义的节点相互嵌套和组合形成了复杂的层次关系，就形成了网页的架构。

CSS 

HTML定义了网页的架构，但是只有HTML的布局并不美观，有可能只是节点元素的简单排列。为了让网页更好看，可以借助CSS来实现。

CSS，全称叫作Cascading Style Sheets,即层叠样式表。“层叠”是指当HTML中引用了多个样式文件、并且样式发生冲突时，浏览器能够按照层叠顺序处理这些样式。“样式指的是网页中的文字大小，颜色，元素间距，排列等格式。CSS是目前唯一的网页页面排版样式标准。

在上图中，Styles面板呈现的就是一系列CSS样式，我们摘抄一段：

这就是一个CSS样式。大括号前面是一个CSS选择器，此选择器的意思是首先选中id为head_wrapper且class为s-ps-islite的节点，然后选中此节点内部的class为s-p-top的节点 。大括号的内部就是一条条样式规则.

在网页中，一般会统一定义整个网页的样式规则，并写入CSS文件中（其后缀为css）。在HTML中，只需要用link标签即可引入写好的CSS文件。

JavaScript

JavaScript简称JS，是一种脚本语言。HTML和CSS组合使用，提供给用户的只是一种静态信息，缺乏交互性。我们在网页里还可能会看到一些交互和动画效果，这就是JavaScript的功劳。

JavaScript通常也是以单独的文件形式加载的，后缀为js，在HTML中通过script标签即可引入，

例如：

<script src="jquery-2.1.0.js"></script>

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 

我们首先用例子感受一下HTML的基本结构。

这就是一个最简单HTML实例。开头用DOCTYPE定义了文档类型，其次最外层是html标签，代码最后有对应的结束标签表示闭合。jtml标签内部是head标签和body标签，分别代表网页头和网页体，它们同样需要结束标签。head标签内定义了一些对页面的配置和引用，上述代码中的<metacharset  = "UTF-8">指定了网页的编码为UTF-8.

title标签则定义了网页的标题，标题会显示在网页的选项卡中，不会显示在正文中。body标签内的内容是要在网页正文中显示的。div标签定义了网页中的区块，此处区块的id是container,id是一个非常常用的属性，其内容在网页是唯一的，通过它可以获取这个区块。然后再此区块内又有一个div标签，它的class为wrapper，这也是一个非常常用的属性，经常与CSS配合使用来设定样式。然后此区块内部又有一个h2标签，代表一个二级标题；另外还有一个p标签，代表一个段落。若想在网页中呈现某些内容，直接把内容写入h2标签和p标签中间即可，这两者也有各自的class属性。

3.节点树及节点间的关系 

在HTML中，所有标签定义的内容都是节点，这些节点构成一个HTML节点树，也叫HTML DOM树。

先来看一下什么是DOM。DOM是W3C（万维网联盟）的标准，英文全称是Document Object Model，即文档对象模型。它定义了访问HTML和XML文档的标准。根据W3C的HTML DOM标准，HTML文档中所有内容都是节点。

1.整个网站文档是一个文档节点

2.每个html标签对应一个根节点，即上例中的html标签，它属于是一个根节点。

3.节点内的文本是文本节点，比如a节点代表一个超链接，它就是一个属性节点。

4.每个节点的属性是属性节点，比如a节点有一个href属性，他就是一个属性节点。

5.注释是注释节点，在HTML中有特殊的语法会被解析为注释，它也会对应一个节点。

因此，HTML DOM将HTML文档视作树结构，这种结构被称为节点树。

通过HTML DOM，节点树中的所有节点均可通过JavaScript访问，所有HTML节点元素均可被修改、创建或删除。

节点树中的节点彼此拥有层级关系。我们常用父、子和兄弟等术语描述这些关系。

在节点树中，顶端节点称为根。除了根节点之外，每个节点都有父节点，同时可拥有任意数量的子节点或兄弟节点。

4.选择器 

怎样定位节点？

在CSS中，使用CSS选择器来定位节点。例如，”网页的结构“一节的例子中div节点的id为container，那么这个节点就可以表示为#container,其中以#开头表示选择id,其后紧跟的是id名称。如果想选择class为wrapper的节点，则可以使用.wrapper,这里以 . 开头代表 选择class,其后紧跟的是class的名称。除了这两种还有一种选择方式，就是根据标签名，例如想选择二级标题，直接用h2即可。

另外，CSS还支持嵌套选择，利用空格把各个选择器分隔开便可代表嵌套关系，如#container .wrapper p代表先选择id为container的节点，然后选择其内部class为wrapper的节点，再进一步选择该节点内部的p节点。要是各个选择器之间不加空格，则表示并列关系，如div#container .wrapper p.text代表选择id为container的div节点，然后选择其内部class为wrapper的节点，再进一步选择这个节点内部的class为text的p节点。这就是CSS选择器。

实际测试：

我们可以在浏览器中测试CSS选择器的效果，依然还是打开浏览器的开发者工具，然后按快捷键Ctrl+F,这时候左下角会出现一个搜索框，这时候我们输入.title就是选中了class为title的节点，该节点会被选中并在网页中高亮显示:

 输入div#container .wrapper p.text就逐层选中了id为container的节点中class为wrapper的节点中

p节点

CSS选择器还有一些其他语法规则。

另外还有一种比较常用的选择器XPath.

5.总结 

资料来源于——Pthon3网络爬虫开发实战--崔庆才