所有的Python “爬虫“ 初学者，都应该看这篇文章！

大模型老猿

已于 2024-01-24 21:49:03 修改

阅读量96

点赞数

分类专栏：爬虫 Python 程序员文章标签： python 爬虫开发语言数据分析副业

于 2023-05-11 15:56:12 首次发布

本文链接：https://blog.csdn.net/DEVELOPERAA/article/details/130623946

版权

Python 同时被 3 个专栏收录

155 篇文章 4 订阅

订阅专栏

程序员

135 篇文章 1 订阅

订阅专栏

爬虫

133 篇文章 0 订阅

订阅专栏

今天就手把手带你认识网页结构，这个对于后续爬虫定位数据，肯定是有帮助的。

我们直到，查看网页源码有两种方式：

① 单击鼠标右键，点击查看网页源代码；
② 单击电脑上的F12键；

以实习网为例，网页源代码结构大致就是这样的。

每个网页的源代码，都是由很多不同的标签，嵌套组成的。为了讲解方便，我们利用一个简单的html源代码，给大家讲解网页结构。

<!DOCTYPE html>  
<html lang="zh-CN"> 
<head> 
	<meta charset="utf-8">     #注意这个地方，文章编码都是看这里的，有时候解析源代码乱码，可能就是这里的问题！
	<title>网页标题</title> 
	<meta name="keywords" content="关键字" /> 
	<meta name="description" content="此网页描述" /> 
</head> 
<body> 
	这里是网页正文内容
</body> 
</html>

复制

解释如下：

上图是一个最简单的HTMl文档，在上述基础框架上，再添加一些其它的HTML标签，添加一些内容，就可以构成一个丰富的网页了。

我们在爬虫过程中，常见的HTMl标签有div、ul、ol、li、h、a、p、span、img等。接下来，我们分别来介绍它。

注意：HTML标签通常是成对出现的（双边标记），比如 <div>和 </div>，也有单独呈现的标签（单边标记），如：<br />、<hr />和<img src=“images/1.jpg” />等。说明：给大家讲述这些标签的目的，是为了让大家清楚每个标签具体指代啥，HTML代码不清楚没关系，你只要记住不同标签实际展示出来的效果是啥！

在讲解之前，我们先用pycharm创建一个.html的文件，方便我们后面做标签的讲解演示。

如何在pycharm中创建一个.html的文件呢？

① 打开pycharm；
② 当出现下图，完成图中操作；

③ 当出现下图，任意写一个名称即可；

三步我们就创建了一个最基本的HTML网页，结构大致如下：

div标签

用于定义一个个不同的区块，表示在网页中划定一块儿区域，用于展示内容。因此我们可以设置该区块儿的高height和宽width。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
<div style="height:100px;width:500px;border:5px;">定义第一个区块儿</div>

<div style="height:500px;width:500px;border:8px;">定义第二个区块儿</div>
</body>
</html>

复制

结果展示：

ul、ol和li标签

ul用于定义一个无序列表，ol用于定义一个有序列表，li可以存在于ul或ol之下，每个li中代码列表中的一条数据。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
<div>
    <ul>
        <li>无序列表中的数据①</li>
        <li>无序列表中的数据②</li>
        <li>无序列表中的数据③</li>
    </ul>
    <ol>
        <li>有序列表中的数据①</li>
        <li>有序列表中的数据②</li>
        <li>有序列表中的数据③</li>
    </ol>
</div>
</body>
</html>

复制

结果如下：

h标签

用于定义标题，分别从h1到h6，它们的字体分别由大到小。可以类比word中一级标题、二级标题的概念。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
<h1>一级标题</h1>
<div>
    <ul>
        <li>无序列表中的数据①</li>
        <li>无序列表中的数据②</li>
        <li>无序列表中的数据③</li>
    </ul>
<h2>二级标题</h2>
    <ol>
        <li>有序列表中的数据①</li>
        <li>有序列表中的数据②</li>
        <li>有序列表中的数据③</li>
    </ol>
</div>
<h3>三级标题</h3>
</body>
</html>

复制

结果如下：

a标签

用于定义一个超链接，点击超链接可以直接跳转。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
<h1>一级标题</h1>
<div>
    <ul>
        <li>无序列表中的数据①</li>
        <li>无序列表中的数据②</li>
        <li>无序列表中的数据③</li>
    </ul>
<h2>二级标题</h2>
<a href="https://blog.csdn.net/weixin_41261833">我是一个超链接</a>
    <ol>
        <li>有序列表中的数据①</li>
        <li>有序列表中的数据②</li>
        <li>有序列表中的数据③</li>
    </ol>
</div>
<h3>三级标题</h3>
</body>
</html>

复制

结果如下：

p标签

用于定义一个段落，每个段落占一行。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
<h1>一级标题</h1>
<div>
    <ul>
        <li>无序列表中的数据①</li>
        <li>无序列表中的数据②</li>
        <li>无序列表中的数据③</li>
    </ul>
<h2>二级标题</h2>
<a href="https://blog.csdn.net/weixin_41261833">我是一个超链接</a>
    <ol>
        <li>有序列表中的数据①</li>
        <li>有序列表中的数据②</li>
        <li>有序列表中的数据③</li>
    </ol>
</div>
<h3>三级标题</h3>
<p>这是定义的第一个段落</p>
<p>这是定义的第二个段落</p>
<p>这是定义的第三个段落</p>
</body>
</html>

复制

结果如下：

span标签

用于定义一个行内元素，不同的span标签定义的内容，都显示在一行，方便我们为每个块儿添加不同的格式。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<body>
<h1>一级标题</h1>
<div>
    <ul>
        <li>无序列表中的数据①</li>
        <li>无序列表中的数据②</li>
        <li>无序列表中的数据③</li>
    </ul>
<h2>二级标题</h2>
<a href="https://blog.csdn.net/weixin_41261833">我是一个超链接</a>
    <ol>
        <li>有序列表中的数据①</li>
        <li>有序列表中的数据②</li>
        <li>有序列表中的数据③</li>
    </ol>
</div>
<h3>三级标题</h3>
<p>这是定义的第一个段落</p>
<p>这是定义的第二个段落</p>
<p>这是定义的第三个段落</p>

<span>这是定义的第一个行内元素。</span>
<span>这是定义的第二个行内元素。</span>
<span>这是定义的第三个行内元素。</span>
</body>
</html>

复制

结果如下：

标签img

定义一张图片，其中有一个src属性用于指定图片的地址。

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <title>Title</title>
</head>
<img>
<h1>一级标题</h1>
<div>
    <ul>
        <li>无序列表中的数据①</li>
        <li>无序列表中的数据②</li>
        <li>无序列表中的数据③</li>
    </ul>
<h2>二级标题</h2>
<a href="https://blog.csdn.net/weixin_41261833">我是一个超链接</a>
    <ol>
        <li>有序列表中的数据①</li>
        <li>有序列表中的数据②</li>
        <li>有序列表中的数据③</li>
    </ol>
</div>
<h3>三级标题</h3>
<p>这是定义的第一个段落</p>
<p>这是定义的第二个段落</p>
<p>这是定义的第三个段落</p>

<span>这是定义的第一个行内元素。</span>
<span>这是定义的第二个行内元素。</span>
<span>这是定义的第三个行内元素。</span>

<img src="https://i.loli.net/2020/05/30/Z5XrPidptFDb2BA.jpg" alt="加载失败">
</body>
</html>

复制

结果如下：

好了，本文就讲述到这里。希望你看了本文以后，以后再遇到爬虫，每当看到这些标签，你就能大致知道它是什么就行。

这里给大家分享一份Python全套学习资料，包括学习路线、软件、源码、视频、面试题等等，都是我自己学习时整理的，希望可以对正在学习或者想要学习Python的朋友有帮助！

CSDN大礼包：全网最全《全套Python学习资料》免费分享🎁

😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓

👉CSDN大礼包🎁：全网最全《Python学习资料》免费分享（安全链接，放心点击）👈

1️⃣零基础入门

① 学习路线

对于从来没有接触过Python的同学，我们帮你准备了详细的学习成长路线图。可以说是最科学最系统的学习路线，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。
在这里插入图片描述

② 路线对应学习视频

还有很多适合0基础入门的学习视频，有了这些视频，轻轻松松上手Python~ 在这里插入图片描述

③练习题

每节视频课后，都有对应的练习题哦，可以检验学习成果哈哈！
在这里插入图片描述
因篇幅有限，仅展示部分资料

2️⃣国内外Python书籍、文档

① 文档和书籍资料

在这里插入图片描述

3️⃣Python工具包+项目源码合集

①Python工具包

学习Python常用的开发软件都在这里了！每个都有详细的安装教程，保证你可以安装成功哦！
在这里插入图片描述

②Python实战案例

光学理论是没用的，要学会跟着一起敲代码，动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。100+实战案例源码等你来拿！
在这里插入图片描述

③Python小游戏源码

如果觉得上面的实战案例有点枯燥，可以试试自己用Python编写小游戏，让你的学习过程中增添一点趣味！
在这里插入图片描述

4️⃣Python面试题

我们学会了Python之后，有了技能就可以出去找工作啦！下面这些面试题是都来自阿里、腾讯、字节等一线互联网大厂，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。
在这里插入图片描述

5️⃣Python兼职渠道

而且学会Python以后，还可以在各大兼职平台接单赚钱，各种兼职渠道+兼职注意事项+如何和客户沟通，我都整理成文档了。
在这里插入图片描述

上述所有资料 ⚡️ ，朋友们如果有需要 📦《全套Python学习资料》的，可以扫描下方二维码免费领取 🆓
😝有需要的小伙伴，可以点击下方链接免费领取或者V扫描下方二维码免费领取🆓