开启 Python 爬虫之路 必知必会的知识

一、爬虫基本原理

1. 超文本

超文本：Hypertext，我们在浏览器里看到的网页就是超文本解析而成的，其网页源代码是一系列 HTML 代码，里面包含了一系列标签，比如 img 显示图片，p 指定显示段落等。浏览器解析这些标签后，便形成了我们平常看到的网页，而网页的源代码 HTML 就可以称作超文本。

例如，我们在 Chrome 浏览器里面打开任意一个页面，比如我的 CSDN 博客首页，右击任一地方并选择 “检查” 项（或者直接按快捷键 F12），即可打开浏览器的开发者工具，这时在 Elements 选项卡即可看到当前网页的源代码，这些源代码都是超文本，如下图所示：

2. URL 和 URI

URI 的全称为 Uniform Resource Identifier，即统一资源标志符
URL 的全称为 Universal Resource Locator，即统一资源定位符

比如Github的图标