爬虫所需要的HTML基础

最新推荐文章于 2024-04-26 15:09:14 发布
最新推荐文章于 2024-04-26 15:09:14 发布
阅读量4.3k 收藏 44
点赞数 11
分类专栏： 数据分析师
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/beliefyue/article/details/81911334
版权

HTML代码的一般形式

下方是一个基本的网页代码框架

<!DOCTYPE html>
<html>

<head>
<title>文档标题</title>
</head>

<body>
文档内容......
</body>

</html>

一个网页的基本示例

<!DOCTYPE html>
<html>
<head>
    <title>Headings and paragraphs</title>
</head>

<body>
    <h1>Heading 1</h1>
    <p>This is my first paragraph</p>
    <h2>Heading 2</h2>
    <h3>Heading 3</h3>
    <h4>Heading 4</h4>
    <h5>Heading 5</h5>
    <h6>Heading 6</h6>  
    <p>This is my second paragraph</p>

    <div style="background: skyblue">This is a div</div>

</body>
</html>
最基本的标签说明

标签基本格式：<标签名 属性名1="属性值" 属性名2="属性值" ...>文档内容</标签名>
<! DOCTYPE html>: 用于代码开头指定html版本等信息；
<html></html>: 告知浏览器这是一个HTML文档，是HTML文档中最外层的元素；
<head></head>: 所有头部元素的容器，必须包含文档的标题(title)，可以包含脚本、样式、meta信息以及其他；
<title></title>: 定义文档的标题，定义浏览器工具栏中的标题，显示在搜索引擎结果中的页面标题；
<body></body>: 定义文档的主体，包含文档的所有内容（比如文本、超链接、图像、表格和列表等）；
<h1></h1>: 定义HTML标题，从<h1>到<h6>标题的重要程度逐渐降低；
<p></p>: 定义段落，浏览器会自动在其前后创建一些空白；
<br>: 一个简单的换行符，是一个空标签，意味着它没有结束标签；
<div></div>:定义HTML文档中的一个分隔区块或者一个区域部分，经常与CSS一起使用，用来布局网页。

链接中一些常用的标签

<a>标签实现基本的超链接
<a href="http://www.pkbigdata.com">访问DC官网</a>
其中<a></a>为标签，href=http://www.pkbigdata表示链接指向的地址，访问DC官网表示超链接的文本

指向同一服务器同一目录下的form.html
<a href="form.html">Fill Our Form</a>

指向同一服务器父目录下的parent.html
<a href="../parent.html">Parent</a>

指向同一服务器子目录下的stuff下的cat.html
<a href="stuff/cat.html">Catalog</a>

指向外部网站 (会在新的标签页打开)
<a href="http://pkbigdata.com" target="_blank">BASD</a>

超链接除了指向一个文件，还可以具体指明位置，这样浏览器就会直接跳转显示文件的相应位置。指向同一个文件的其他位置

<a href="#section1">Go to Introduction</a>
...
<h2 id="section1"></h2>

指向其他文件的某个位置

<a href="chapter3.html#section3.1.1>Go to section 3.1.1</a>
<!-- In chapter3.html -->
...
<div id="section3.1.1">
<h3>3.1.1 Technical Background</h3>
</div>
图片<img>标签

插入一张图片，指向同一服务器同一目录下的php.png
<img src="php.png" alt="PHP Logo" />
其中<img />为图片标签；scr="pho.png"表示同一服务器同一目录下的php.png这个图片；alt="PHP Logo"表示图片的代替文本，如果图片无法显示，则显示这个文本。

为图片增加超链接：
<a href="apply-now.html"><img src="apply-now-button.jpg" alt="apply" /></a>

<img>标签的一些基本属性
src: 图片路径
alt: 图片无法显示时的代替文本
height: 高度
width: 宽度
border: 边框宽度

无序列表

无序列表一般用<ul>+<li>的形式来实现，一个简单的例子

<ul>
    <li>Coffee</li>
    <li>Milk</li>
    <li>Tea</li>
</ul>

显示如下：

  • Coffee
  • Milk
  • Tea
有序列表

有序列表一般用<ol>+<li>的形式来表现，一个简单的例子

<ol>
    <li>Coffee</li>
    <li>Milk</li>
    <li>Tea</li>
</ol>

显示如下：

  1. Coffee
  2. Milk
  3. Tea

我们也可以通过规定起始值的形式来编号：

<ol start="50>
    <li>Coffee</li>
    <li>Milk</li>
    <li>Tea</li>
</ol>

显示如下：

  1. Coffee
  2. Milk
  3. Tea
表格

HTML表格由多种标签组合而成，其中最重要的三种标签是
<table></table>: 表格的开始和结束
<tr></tr>: 创建表格的一行
<td></td>: 创建表格中的普通单元格
<th></th>: 创建表格中标题栏单元格
一个简单的表格示例

FirstLast NameAge
JillSmith50
EveJackson94
JohnDoe80
<table border="1">
    <tr>
        <th>First</th>
        <th>Last Name</th>
        <th>Age</th>
    </tr>
    <tr>
        <td>Jill</td>
        <td>Jackson</td>
        <td>94</td>
    </tr>
    <tr>
        <td>Eve</td>
        <td>Jackson</td>
        <td>94</td>
    </tr>
    <tr>
        <td>John</td>
        <td>Doe</td>
        <td>80</td>
    </tr>
</table>
表单

用于收集用户输入的信息，一个简单的例子如下：

<form action="/statics/demosource/demo-form.php" method="post">
First name: <input type="text" name="FirstName" value="Mickey"><br>
Last name: <input type="text" name="LastName" value="Mouse"><br>
Password: <input type="password"><br>
<input type="submit" value="提交">
</form>
拓展阅读
HTTP基础知识
1.HTTP基础知识对于爬虫的作用

HTTP–超文本传输协议（HyperText Transfer Protocol）是互联网中应用最为广泛的一种网络协议，设计的最初目的就是为了提供一种发布和接受HTML页面的方法，而爬虫的本质就是通过程序发生HTTP请求，并返回HTML文档，遵守HTTP的传输协议是爬虫的基础。

2.HTTP报文

HTTP协议中有两个报文，一个是请求报文，一个是相应报文，这是HTTP协议的核心内容
- HTTP消息结构

3.更多拓展阅读
beliefyue
关注
  • 11
    点赞
  • 踩
  • 44
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
爬虫-html基础
qq_58124010的博客
05-17 552
CSS (Cascading Style Sheets，层叠样式表），是一种用来为结构化文档（如 HTML 文档或 XML 应用）添加样式（字体、间距和颜色等）的计算机语言，CSS 文件扩展名为 .css。当样式需要被应用到很多页面的时候，外部样式表将是理想的选择。大多数 HTML 元素可以嵌套（HTML 元素可以包含其他 HTML 元素）。
爬虫概述、html概述
m0_71422677的博客
04-18 572
robots协议、html标签、python入门基础
python爬虫 - 爬取html格式数据（CDSN博客）
BullKing8185的博客
04-26 1718
python爬虫六部曲： 第一步：安装requests库和BeautifulSoup库 第二步：获取爬虫所需的header和cookie 第三步：获取网页 第四步：解析网页 第五步：分析得到的信息，简化地址： 第六步：爬取内容，清洗数据
【Python爬虫开发基础⑤】HTML概述与基本标签详解
z135733的博客
06-14 3025
HTML（Hypertext Markup Language）是一种标记语言，用于创建和呈现网页。它是构建网页的基础，并且具有简单易学的语法规则。HTML以标签为基本单位，通过嵌套和属性来描述和格式化网页上的内容和结构。HTML最初由蒂姆·伯纳斯-李（Tim Berners-Lee）在1990年创造，旨在促进信息共享和互联网上各种文档之间的链接。如今，HTML成为了万维网的核心技术之一，被广泛应用于网页制作、网站开发和跨平台内容交互等领域。内容（结构）：是我们在页面中可以看到的数据。我们称之为内容。
初识爬虫——爬虫与HTML介绍
weixin_53919192的博客
04-17 5501
程序员写代码并不是从0开始的，我们也是需要借助多个模板拼接，使得代码能够实现我们的想法，而且也并非默写出来，毕竟学习编程是开卷学习，开卷使用，加油，希望你我一同走进爬虫的世界~~
python爬虫-HTML基础（简单实用）
pythonuser1的博客
08-02 1670
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爬虫基础教程
04-02
本教程将引导你逐步了解Python爬虫的基础知识，包括如何发送网络请求、解析网页内容、提取所需数据以及存储数据。在开始之前，确保你已经安装了必要的Python库，如requests、BeautifulSoup和urllib，它们可以通过pip...
爬虫基础教程笔记.rar
11-12
2. HTML解析：HTML是网页的主要结构语言，爬虫需要解析HTML来获取所需数据。`BeautifulSoup`是一个强大的库，能够方便地解析HTML和XML文档，通过选择器、父节点、子节点等方法提取数据。 3. 正则表达式：对于简单的...
爬虫Python基础知识
07-30
以下是爬虫Python基础知识的一些要点： 网络请求库：Python中常用的网络请求库有urllib和requests，它们可以发送HTTP请求并获取响应内容。 解析库：解析库用于解析HTML或XML等页面文档，提取出所需的数据。Python...
c#网页爬虫采集html
12-29
首先，我们需要一个基础的网络请求库来获取网页内容。在C#中，最常用的可能是`HttpClient`类，它是.NET Framework和.NET Core中的标准网络请求组件。以下是一个简单的示例，展示如何使用`HttpClient`获取HTML： ```...
Python爬虫简单的基础知识
最新发布
06-07
以下是对Python爬虫基础知识的简介： - **网络爬虫定义**：自动获取网页内容并提取有用信息的程序。 - **工作原理**：发送HTTP请求，接收服务器响应的网页内容，然后解析HTML/XML，提取所需数据。 - **常用库**：...
爬虫读取html网站，
10-09
方便用于网站开发，能够直接将网站的源代码爬取下来 在一些web页面开发时非常实用
Python爬虫：HTML网页解析方法小结
m0_59162248的博客
03-25 5324
学过requests库的看到requests-html的api应该会很熟悉，使用方法基本一致，不同的是使用requests编写爬虫时，要先把网页爬取下来，然后再交给BeautifulSoup等一些html解析库，现在可以直接解析了。（4）requests-html 是比较新的一个库，高度封装且源码清晰，它直接整合了大量解析时繁琐复杂的操作，同时支持DOM解析和XPath解析两种方式，灵活方便，可以尝试。”**在csdn看到过一篇比较好的文章，讲的很实用，大家伙可以移步去看看，链接分享在下方。
html编写，爬虫基础
PythonUser10235的博客
12-19 749
人生苦短，我用Python。这次，我们要干点不一样的，html。html，也就是超文本标记。是一种在浏览器中使用的语言。不过我们Python程序员也是需要学习一些html基础的。以后的爬虫基础我们需要学习html基础。html不仅可以作为爬虫基础，同样可以打造服务器。
python爬虫——web前端基础HTML+CSS
不会写代码的码农
10-20 8274
学习爬虫最好还是先去系统的学习一下HTML5+CSS3,本篇文章主要是简单的介绍HTML,CSS,JavaScript,Xpath和Json这五部分。一、HTML html是什么，在这就不作介绍。首先介绍一下它的用处。 设置文本格式。如：标题、字号、文本颜色、段落等等。 创建列表。包括有序列表和无序列表。 插入图片和媒体。 建立表格。 创建超链接。这是我之前学习html5+css3的部分思维导图
爬虫基础（http请求和html结构）
氤氲紫镜的空间
11-01 4279
要使用selenium还是使用其他方式抓取网页的内容，都必须对网页的架构比较熟悉。我们来看看如何定位网页的内容。 首先我们先尝试解析URL，看看下面这个URL地址： http://www.x2y2.com:80/fisker/post/0703/window.location.html?ver=1.0&amp;id=6#imhere url：协议 + 域名／IP + 端口 + 路由 + 参数...
HTML： 爬虫所需HTML知识——标签
shifanfashi的博客
07-02 3024
html标题标签 通过 <h1>、<h2>、<h3>、<h4>、<h5>、<h6>,标签可以在网页上定义6种级别的标题。6种级别的标题表示文档的6级目录层级关系，比如说： <h1>用作主标题，其后是 <h2>，再其次是 <h3>，以此类推。搜索引擎会使用标题将网页的结构和内容编制索引，所以网...
网络爬虫--如何抓取html页面和httpClient的使用
热门推荐
after_you的博客
03-23 1万+
一、写在前面 上篇文章以网易微博爬虫为例，给出了一个很简单的微博爬虫的爬取过程，大概说明了网络爬虫其实也就这么回事，或许初次看到这个例子觉得有些复杂，不过没有关系，上篇文章给的例子只是让大家对爬虫过程有所了解。接下来的系列里，将一步一步地剖析每个过程。 爬虫总体流程在上篇文章已经说得很清楚了，没有看过的朋友可以去看下：【网络爬虫】[java]微博爬虫（一）：网易微博爬虫（自定义关键字爬取微博信
python爬虫需要掌握的HTML基础知识！
饶水胜的博客
03-18 1839
HTML 简介 HTML 教程 HTML 编辑器 实例 <html> <body> <h1>我的第一个标题</h1> <p>我的第一个段落。</p> </body> </html> 什么是 HTML？ HTML 是用来描述网页的一种语言。 HTML 指的是超文本标记语言 (Hype...
评论 1
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