咸鱼笔记:Python爬虫基础【二】——网页基础知识


前言

在平常浏览网页中,每个网站页面都各有特色各不相同,那么你是否想过它是怎么才可以呈现出这么有特色的样子的?其实,这都是根据网页的基本组成等方面基础上加以设计丰富起来的。本章我们就来了解一下网页的基本组成、结构和节点等内容。

网页的基本组成

网页实际上可以分为三大部分:HTML、CSS 和 JavaScript。如果把网页比作一个人的话,HTML 相当于骨架,JavaScript 相当于肌肉,CSS 相当于皮肤,三者结合起来才能形成一个完善的网页。下面我们分别来介绍一下这三部分的功能。

一、HTML

HTML 是用来描述网页的一种语言,其全称叫作 Hyper Text Markup Language,即超文本标记语言。

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。不同类型的文字通过不同类型的标签来表示,如图片用 img 标签表示,视频用 video 标签表示,段落用 p 标签表示,它们之间的布局又常通过布局标签 div 嵌套组合而成,各种标签通过不同的排列和嵌套才形成了网页的框架。
在这里插入图片描述

在网页中鼠标右击选择“检查”项,在 Elements 选项卡中即可看到网页的源代码。这就是 HTML,整个网页就是由各种标签嵌套组合而成的。这些标签定义的节点元素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。


二、CSS

HTML 定义了网页的结构,但是只有 HTML 页面的布局并不美观,可能只是简单的节点元素的排列,为了让网页看起来更好看一些,就需要用到CSS了。
CSS,全称叫作 Cascading Style Sheets,即层叠样式表。“层叠” 是指当在 HTML 中引用了数个样式文件,并且样式发生冲突时,浏览器能依据层叠顺序处理。“样式” 指网页中文字大小、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,有了它的帮助,页面才会变得更为美观。

例:

#head_wrapper.s-ps-islite .s-p-top {
    position: absolute;
    bottom: 40px;
    width: 100%;
    height: 181px;
}

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 html代码中id 为 head_wrapper 且 class 为 s-ps-islite 的节点,然后再选中其内部的 class 为 s-p-top 的节点。
大括号内部写的就是一条条样式规则,position 指定了这个元素的布局方式为绝对布局,bottom 指定元素的下边距为 40 像素,width 指定了宽度为 100% 占满父元素,height 则指定了元素的高度。也就是说,我们将位置、宽度、高度等样式配置统一写成这样的形式,然后用大括号括起来,接着在开头再加上 CSS 选择器,这就代表这个样式对 CSS 选择器选中的元素生效,元素就会根据此样式来展示了。
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,这样整个页面就会变得美观、优雅。


三、JavaScript

JavaScript一种直译式脚本语言,是一种动态类型、弱类型、基于原型的语言,内置支持类型。与HTML 和 CSS 三者配合使用,HTML和CSS提供给用户的只是一种静态信息,缺乏交互性。
我们在网页里可能会看到一些交互和动画效果,如下载进度条、提示框、轮播图等,这通常就是 JavaScript 的功劳。它的出现使得用户与信息之间不只是一种浏览与显示的关系,而是实现了一种实时、动态、交互的页面功能。
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:

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

HTML 定义了网页的内容和结构,CSS 描述了网页的布局,JavaScript 定义了网页的行为。


四、网页的结构

HTML的基本结构:

<!DOCTYPE html>
<html>
    <head>
        <meta charset="UTF-8">
        <title>This is first html</title>
    </head>
    <body>
        <div id="container">
            <div class="wrapper">
                <h1 class="title">Hello World</h1>
                <p class="text">Hello, this is irst paragraph.</p>
            </div>
        </div>
    </body>
</html>
  • DOCTYPE 定义了文档类型
  • <html> 与 </html> 之间的内容描述网页整体。
  • <head>与</head>之间的内容为网页头,标签内定义了一些页面的配置和引用。
  • <title> 与</title>标签则定义了网页的标题,会显示在网页的选项卡中,不会显示在正文中。
  • <div>与</div> 标签定义了网页中的区块,id 是 container,这是一个非常常用的属性,且 id 的内容在网页中是唯一的,我们可以通过它来获取这个区块。在此区块内又有一个 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。
  • <body> 与 </body> 之间的内容为网页体,是可见的页面内容。
  • <h1> 与 </h1 > 之间的内容被显示为标题。
  • <p’> 与 </p> 之间的内容被显示为段落。

一个网页的标准形式是 html 标签内嵌套 head 和 body 标签,head 内定义网页的配置和引用,body 内定义网页的正文。


五、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,HTML DOM 将 HTML 文档视作树结构,这种结构被称为节点树,它们构成了一个 HTML DOM 树。
img
文档对象模型(DOM)

  • DOM(文档对象模型)是 HTML 和 XML 的应用程序接口(API)。DOM 将把整个页面规划成由节点层级构成的文档。 根据 W3C的 HTML DOM 标准,HTML 文档中的所有内容都是节点。
  • 通过 HTML DOM,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,也可以被创建或删除。
  • 节点树中的节点彼此拥有层级关系。我们常用父(parent)、子(child)和兄弟(sibling)等术语描述这些关系。父节点拥有子节点,同级的子节点被称为兄弟节点。在节点树中,顶端节点称为根(root)。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。
  • 整个文档是一个文档节点;
  • 每个 HTML 元素是元素节点;
  • HTML 元素内的文本是文本节点;
  • 每个 HTML 属性是属性节点;
  • 注释是注释节点。

六、选择器

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。

id选择器:

#container{
	color: red;
}
 <div id="container">

在 CSS 中,我们使用 CSS 选择器来定位节点。例如,这里div 节点的 id 为 container,那么就可以表示为#container,其中#开头代表选择 id,其后紧跟 id 的名称。

class类选择器:

.wrapper {
	color: red;
}
 <div class="wrapper">

如果我们想选择 class 为 wrapper 的节点,便可以使用.wrapper,这里以点(.)开头代表选择 class,其后紧跟 class 的名称。

元素选择器:

div {
	color: red;
}
 <div>this</div>

还可根据标签名筛选,例如想选择块,直接用div即可。
这是最常用的 3 种表示,分别是根据 id、class、标签名筛选,请牢记它们的写法。

嵌套选择:

#container .wrapper p{
	color: red;
}

CSS 选择器还支持嵌套选择,各个选择器之间加上空格分隔开便可以代表嵌套关系,如#container .wrapper p 则代表先选择 id 为 container 的节点,然后选中其内部的 class 为 wrapper 的节点,然后再进一步选中其内部的 p 节点。

并列关系选择:

div#container .wrapper p.text{
	color: red;
}

另外,如果不加空格,则代表并列关系,如div#container .wrapper p.text 代表先选择 id 为 container 的 div 节点,然后选中其内部的 class 为 wrapper 的节点,再进一步选中其内部的 class 为 text 的 p 节点。
这就是 CSS 选择器,其筛选功能还是非常强大的。


总结

以上就是本章内容,本章了解了网页的基本结构和节点间的关系,网页的三大组成成分,涉及的知识点需要好好掌握,后面解析和提取网页内容经常用到。希望本章对其他初学者有所帮助。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值