Python爬虫之HTML知识

最新推荐文章于 2023-05-26 16:46:26 发布
最新推荐文章于 2023-05-26 16:46:26 发布
阅读量848 收藏 3
点赞数 2
分类专栏： Python 文章标签： HTML
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/James_Ray_Murphy/article/details/79277961
版权

HTML是一种标记语言，标记语言是一套标记，HTML用标记语言来描述网页。

1.HTML的基本结构： 

1） <html> 内容 </html> : HTML 文档是由<html> </html>包裹，这是HTML文档的文档标记，也称为HTML开始标记。

2） <head> 内容 </head> : HTML 文件头标记，主要包含文件的基本信息，比如网页的标题、关键字，在内容部分可以放置<title> </title>, <meta> </meta>, <style> </style>等标记。该内容不会在浏览器中显示。

3） <title> 内容 </title> : HTML文件标题标记。网页的"主题",显示在浏览器窗口的左上边。

4） <body> 内容 </body> : 这是HTML文件的主体部分。主体部分的内容组成了我们所看到的网页。

5）<meta> 内容 </meta> : 页面的元信息。meta标记必须放在head里面。

例子：

<html>
<head>
	<title> Python 基本结构 </title>
</head>

<body>
	hello HTML!
</body>
</html>
2.HTML的格式标记：

1） <br> : 强制换行标记

2） <p> : 换段落标记。<p> 内容 </p>

3） <center> : 居中对齐标记。

4） <pre> :  预格式化标记。保留预先编排好的格式，常用来定义计算机源代码。

5) <li> : 列表项目标记。

6） <ol> : 无序列表标记。

7） <ul> : 有序列表标记。可以显示特定的一些序列，有序列表的type属性为“1”时表示阿拉伯数字1，2，3...，有序列表的type属性为“A”时表示阿拉伯数字A，B，C...

8） <dl>、<dt>、<dd> : 定义型列表

9） <hr> : 水平分割线。可以用在段落之间

10） <div> : 分区显示标记，常用来编排一大段的HTML段落。

例子：

<html>
<head>
	<title> HTML 格式标记 </title>

<body>
	hello html!
	<br>
	<hr>
	<p> p表示段落标记 </p>
	<center> hello HTML (center是居中标记)</center>
	<hr>
	
	<pre>
	<ul>
		<li> HTML </li>
		<li> Python </li>
		<li> CSS </li>
		<li> JS </li>
	</ul>
	<hr>
	
	<ol type = "A">
		<li> HTML </li>
		<li> Python </li>
		<li> CSS </li>
		<li> JS </li>
	</ol>
	<hr>
	
	<dl>
		<dt> 红豆生南国 </dt>
		<dd> 春来发几枝 </dd>
		<dt> 愿君多采撷 </dt>
		<dd> 此物最相思 </dd>
	</dl>
	<hr>
	
	<div>
		<h3> 第三级标题 </h3>
		<p> Python爬虫 <p>
	</div>
</body>
</html>

3. HTML的文本标记：

1） <h1>~<h6> : 标题标记。共有6个级别， 不同级别字体大小不一样。

2） <font> : 字体设置标记。可以设置size、color、face（字体）等。

3） <b> : 加粗标志。

4) <i> 斜体标记。

5） <sub> : 文字下标字体标记，

6） <sup> : 文字上标标记.

7） <tt> : 打印机字体标记.

<html>
<head>
	<title> 学生信息 </title>
</head>

<body>
	<table width = "960" align = "center" border = "1" rules = "all" cellpadding = "15">
		<tr>
			<th> 学号 </th>
			<th> 班级 </th>
			<th> 姓名 </th>
			<th> 年龄 </th>
			<th> 籍贯 </th>
		</tr>
		<tr align = "center">
			<td> 150001 </td>
			<td> (1)班 </td>
			<td> 张三 </td>
			<td> 16 </td>
			<td> 上海 </td>
		</tr>
		<tr align = "center">
			<td> 150002 </td>
			<td> (2)班 </td>
			<td> 李四 </td>
			<td> 15 </td>
			<td bgcolor = "# ccc"> 浙江 </td>
		</tr>
	</table>
	<br/>

	<table width = "960" align = "center" border = "1" rules = "all" cellpadding = "15">
		<tr bgcolor = "# ccc">
			<th> 学号 </th>
			<th> 班级 </th>
			<th> 姓名 </th>
			<th> 年龄 </th>
			<th> 籍贯 </th>
		</tr>
		<tr align = "center">
			<td> 150001 </td>
			<td> (1)班 </td>
			<td> 张三 </td>
			<td> 16 </td>
			<td bgcolor = "red"> <font color = "white"> 上海 </font> </td>
		</tr>
		<tr align = "center">
			<td> 150002 </td>
			<td> (2)班 </td>
			<td> 李四 </td>
			<td> 15 </td>
			<td> 浙江 </td>
		</tr>
	</table>
</body>
</html>

13）<u> : 下滑字体标记。

例子：

<html>
<head>
	<title> Python 开发与实践项目 </title>
</head>

<body>
Hn 标题标记------>>
<br>
	<h1> Python 爬虫 </h1>
	<h2> Python 爬虫 </h2>
	<h3> Python 爬虫 </h3>
	<h4> Python 爬虫 </h4>
	<h5> Python 爬虫 </h5>
	<h6> Python 爬虫 </h6>
font 标记------>>
<font size = "1"> Python 爬虫 </font>
<font size = "3"> Python 爬虫 </font>
<font size = "7"> Python 爬虫 </font>
<font size = "7" color = "red" face = "楷体"> Python 爬虫 </font>
<font size = "7" color = "red" face = "宋体"> Python 爬虫 </font>
<font size = "7" color = "blue" face = "新细明体"> Python 爬虫 </font>
</br>

B 标记加粗----->>
<b> Python 爬虫 </b>
<br>

i 标记斜体----->>
<i> Python 爬虫 </i>
<br>

sub 标记下标------>>
3<sub> 2 </sub>
<br>

<sup> 标记上标------>>
4<sup> 5 </sup>
<br>

cite 引用标记----->>
<cite> Python 爬虫 </cite>
<br>

em 标记表示强调，显示为斜体---->>
<em> Python 爬虫 </em>
<br>

strong 标记表示强调，显示为加粗--->>
<strong> Python 爬虫 </strong>
<br>

small 标记可以显示小一号字体，可以嵌套使用---->>
<small> Python 爬虫 </small>
<small><small><small> Python 爬虫 </small></small></small>
<br>

big 标记可以显示大一号字体，可以嵌套使用--->>
<big> Python 爬虫 </big>
<br>

u标记表示显示下划线---->>
<big><big><big> Python 爬虫 </big></big></big>
<br>

</body>
4. HTML的图像标记：

1）使用方法：<img src = "路径/文件名.格式" width =“宽度”border = " 边框" height = "高度" alt = “属性”>。其中alt的作用为：当网页上的图片被加载完成后，鼠标移动到上面去，会显示这个图片指定的属性，如果图像没有被下载或者加载失败，会用文字来代替图像显示，搜索引擎可以通过这个属性的文字来抓取图片。

例子：

<html>
<head>
	<title> 打开一幅图 </title>
</head>

<body>

<img src = "http://www.hitsz.edu.cn/UserFiles/banner/large/1510123543545.jpg" width = "300" height = 

"140" />

</body>
</html>

5.HTML表格标记。

1）表格的基本结构包括：<table>、<caption>、<tr>、<td>、<th>等标记。

2）<table> ：用法为<table width = "值"...>。其中的属性值有：width、height、border、align、cellspacing、cellpadding、frame、rules等。

3）<caption> ； 用于表格中的标题。

4） <tr> : 定义行。

5） <td>或者<th> : 定义元素，th会加粗，td不会加粗。

例子：


<html>
<head>
	<title> 学生信息 </title>
</head>

<body>
	<table width = "960" align = "center" border = "1" rules = "all" cellpadding = "15">
		<tr>
			<th> 学号 </th>
			<th> 班级 </th>
			<th> 姓名 </th>
			<th> 年龄 </th>
			<th> 籍贯 </th>
		</tr>
		<tr align = "center">
			<td> 150001 </td>
			<td> (1)班 </td>
			<td> 张三 </td>
			<td> 16 </td>
			<td> 上海 </td>
		</tr>
		<tr align = "center">
			<td> 150002 </td>
			<td> (2)班 </td>
			<td> 李四 </td>
			<td> 15 </td>
			<td bgcolor = "# ccc"> 浙江 </td>
		</tr>
	</table>
	<br/>

	<table width = "960" align = "center" border = "1" rules = "all" cellpadding = "15">
		<tr bgcolor = "# ccc">
			<th> 学号 </th>
			<th> 班级 </th>
			<th> 姓名 </th>
			<th> 年龄 </th>
			<th> 籍贯 </th>
		</tr>
		<tr align = "center">
			<td> 150001 </td>
			<td> (1)班 </td>
			<td> 张三 </td>
			<td> 16 </td>
			<td bgcolor = "red"> <font color = "white"> 上海 </font> </td>
		</tr>
		<tr align = "center">
			<td> 150002 </td>
			<td> (2)班 </td>
			<td> 李四 </td>
			<td> 15 </td>
			<td> 浙江 </td>
		</tr>
	</table>
</body>
</html>






James_Ray_Murphy
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
RK3399平台开发系列讲解（系统篇）1.13、输入系统框架之输入设备配置文件（idc文件）
内核笔记
03-25 2041
平台 内核版本 输入系统框架 输入设备配置文件（idc文件） 文章目录输入设备配置文件（idc文件） 输入设备配置文件（idc文件） 文件目录：frameworks/native/services/inputflinger/EventHub.cpp status_t EventHub::openDeviceLocked(const char *devicePath) { ...
Python爬虫知识点梳理
04-23
爬虫涉及的技术包括但不限于熟练一门编程语言（这里以 Python 为例） HTML 知识、HTTP 协议的基本知识、正则表达式、数据库知识，常用抓包工具的使用、爬虫框架的使用、涉及到大规模爬虫，还需要了解分布式的概念、...
python【第十四篇】HTML基础
weixin_30622107的博客
08-08 140
什么是HTML？ HTML(HyperText MarkUp Language)超文本标记语言,通过使用标记来描述文档结构和表现形式的一种语言,由浏览器进行解析,然后把结果显示在网页上，通俗的讲它就是服务器发送的字符串到浏览器，通过浏览器能解析的规则用HTML来描述， 它是网页构成的基础,你见到的所有网页都离不开HTML,所以学习HTML是基础中的基础 HTML语言是一种标记语言,不需...
史上最简单的爬虫:使用python快速获取web网页中的table数据。
weixin_42608414的博客
04-07 2万+
今天给大家介绍一个史上最简单的爬虫程序,如何利用python中的pandas库来快速读取web网页中的table数据，我以搜狐NBA数据中心的一个网页为例，该网页包含了6个table，我们要做的是快速获取这6个table中数据,并对其格式进行调整,使其更加美观实用： 1. 读取数据 我们使用pandas的read_html方法可以快速获取网页中所有table的数据。 import p...
html 表格table点一下变色_三行代码爬取网页table
weixin_39847945的博客
11-27 286
之前逛论坛，突然看到一个很有意思的爬虫，就是利用Pandas里的read_html爬取网页中table。首先，我们介绍一下这个网页http://www.weather.com.cn/textFC/hb.shtml我们看到这个网址有很多地区的天气，看起来很像是表格形式，那我们就进一步去验证是否是表格。如下图，我们先打开检查（F12），点击1，然后点击2的地方，找到表格所在，但现在依然是div,不是t...
使用 Python 自动生成 HTML
MichaelAn的博客
02-18 4万+
python 自动化批量生成前端的HTML可以大大减轻工作量 下面演示两种生成 HTML 的方法 方法一：使用 webbrowser #coding:utf-8 import webbrowser #命名生成的html GEN_HTML = "test.html" #打开文件，准备写入 f = open(GEN_HTML,'w') #准备相关变量 str1 = 'my name ...
python爬虫基础知识.docx
03-08
以下是Python爬虫的基础知识： ### 1. **选择合适的爬虫库：** 在Python中，有许多用于爬虫的库，最常见的是： - **Beautiful Soup：** 用于解析HTML和XML文档，方便提取需要的信息。 - **Requests：** 用于发送...
爬虫Python基础知识
07-30
爬虫框架：爬虫框架可以帮助开发者快速构建和管理爬虫系统，常用的Python爬虫框架有Scrapy、PySpider等。 反爬虫策略：由于爬虫可能会对目标网站造成压力，很多网站会采取反爬虫策略。为了规避反爬虫机制，爬虫...
Python爬虫教程知识点总结
12-16
一、为什么使用Python进行网络爬虫？ 由于Python语言十分简洁，使用起来又非常简单、易学，通过Python 进行编写就像使用英语进行写作一样。另外Python 在使用中十分方便，并不需要IDE，而仅仅通过sublime text 就...
关于Python爬虫基础知识、爬虫实例和反爬机制
最新发布
04-22
关于Python爬虫基础知识、爬虫实例和反爬机制 # Python爬虫基础知识 ## 什么是爬虫？ 爬虫（也称为网络爬虫、网页抓取器）是一种自动化程序，用于从互联网上收集信息。它们通过HTTP请求访问网页，并从网页中提取...
python爬虫爬取网页表格数据
12-25
用python爬取网页表格数据，供大家参考，具体内容如下 from bs4 import BeautifulSoup import requests import csv import bs4 #检查url地址 def check_link(url): try: r = requests.get(url) r.raise_for_status() r.encoding = r.apparent_encoding return r.text except: print('无法链接服务器！！！') #爬取资源 def get_contents(ulist,rurl
Python爬虫 —— 使用BeautifulSoup4解析HTML文档
小菜鸡的小博客
03-31 1万+
我们来聊聊BS4是个啥，它能干啥，BS4是一个从HTML和XML文件中提取数据的python库，它可以将复杂HTML文件转换为一个复杂的树形结构，这棵树的每一个结点都是Python对象，所有对象都可以归纳为4类，这四个对象能干啥呢？点进来看看吧
python爬虫-HTML基础（简单实用）
pythonuser1的博客
08-02 1635
X-UA-Compatible这个是IE8特有的，知道即可，因为做前端的同学都很害怕IE因为他们问题比较多各个版本问题很诡异，当IE8的时候微软想把各个版本的统一，那么这个参数就出现了，他为了向下兼容，如下的代码如果使用IE8的时候他会以IE7的模式运行。关键字的作用一般是让爬虫之类的收录程序，当他们在爬你的网站的时候，如果你有关键字，那么他们会优先把关键字收录到他们的记录中，比如百度如果他们收录之后，他们搜索你的关键字的时候，就能找到咱们的网站。1、在当前文件中写Css样式。.........
Python爬虫之初识Html
fanchen0218的博客
04-14 443
初识html
使用python生成本地html文件
热门推荐
医学影像学习笔记
06-16 6万+
一.静态HTML生成方法#coding:utf-8 _author_ = "LiaoPan" _time_ = "2016.6.16"f = open("demo_1.html",'w') message = """ <html> <head></head> <body> <p>Hello,World!</p> <p>demo</p> </body> </html>"""f.write(messa
Python爬虫讲解（超详细）
CSDN_430422的博客
05-26 6561
（1）Requests：一个Python第三方库，可以处理HTTP请求和响应。（2）BeautifulSoup：一个Python的HTML/XML解析器库，可以快速解析页面中的元素。（3）Scrapy：一个Python爬虫框架，具有高效、快速的爬取速度、数据处理和管理等特点。（4）Selenium：一个自动化测试工具，可以模拟用户操作浏览器来访问网站并获取所需数据。学好 Python 不论是就业还是做副业赚钱都不错，但要学会 Python 还是要有一个学习规划。
网络爬虫 lxml库--解析和提取 HTML/XML 数据
梦想家博客
07-12 4627
一、lxml库的使用我们利用它来解析 HTML 代码from lxml import etree text = ''' &lt;div&gt; &lt;ul&gt; &lt;li class="item-0"&gt;&lt;a href="link1.html"&gt;first item&lt;/a&gt;&lt;/li&gt;
Python爬虫——XPath解析本地html文件
万里顾一程的博客
07-26 6188
XPathXML路径语言（XMLPathLanguage），XPath作用是确定XML文档中某部分的位置，同时它也可以用于检索HTML文件。在使用爬虫过程中可以用XPath来爬取网页中想要的数据。Xpath使用简洁的路径表达式来匹配XML/HTML文档中的节点或者节点集，通过定位网页中的节点，从而找到我们需要的数据。Xpath提供了100多个内建函数，包括了处理字符串、数值、日期以及时间的函数。因此Xpath路径表达式几乎可以匹配所有的元素节点。......
python爬虫的基础知识
07-25
当谈论 Python 爬虫的基础知识时，以下几个方面是需要了解的： 1. 爬虫的定义：爬虫是一种自动化程序，用于从互联网上获取数据。它会模拟浏览器行为，访问网页并提取所需的信息。 2. HTTP 请求：爬虫通过发送 ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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