数据科学工程师面试宝典系列之一----Python爬虫

1.认识网页的构成

html==结构；css== 样式；JavaScript==功能；

<div></div>是网页中的区域；
<p></p>是内容；
<li></li>是列表；
<img></img>是图片；
<h1></h1>是不同字号的标题；
<a href="">是网页中的链接

header+content+footer；
==================================================================================================

2.解析网页中的元素

第一步：使用BeautifulSoup解析网页

Soup = BeautifulSoup(html,'lxml')

库有5种：‘html.parser’，‘lxml  HTML’，‘lxml  XML’，‘html5lib’，‘lxml’；

描述方式2种：“CSS  Selector：”，"XPath："

第二步：描述要爬取的东西在哪