python爬虫-HTML基础（简单实用）

html基础

概念

HTML（Hyper Text Markup Language）是用来描述网页的一种语言，也叫超文本标记语言。
HTML语言是一种标记语言,不需要编译,直接由浏览器执行
HTML文件是一个文本文件,包含了一些HTML元素, HTML文件是一个文本文件,包含了一些HTML元素,标签等.
HTML文件必须使用html或htm为文件名后缀
HTML是大小写不敏感的,HTML与html是一样的

组成：

1）标签和元素。
夹在尖括号<>中间的字母，它们叫做标签 ，标签通常是成对出现的。
开始标签+结束标签+中间的所有内容，它们在一起就组成了元素

2）网页头和网页体
网页头的内容不会被直接呈现在浏览器里的网页正文中，而网页体的内容是会直接显示在网页正文中的。

3）属性
style属性可以用来定义网页文本的样式，比如字体大小、颜色、间距、对齐方式等等。
HTML中，链接一般都由标签定义，href属性用于规定指向页面的URL。如：

<a href="https://wordpress-edu-3autumn.localprod.forc.work/">我是一个链接，点我试试</a>

head部分

Mate（Meta(metadata information）

提供有关页面的元信息，例：页面编码、刷新、跳转、针对搜索引擎和更新频度的描述和关键词

1、页面编码

<meta charset="UTF-8">  #指定编码类型为UTF-8

2、刷新和跳转

<meta http-equiv="refresh" content="5">  #指定每5秒刷新一次
<meta http-equiv="refresh" Content="1;Url=http://www.cnblogs.com/luotianshuai/" /> #指定1秒之后跳转页面至另一个网页

3、关键字
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。

<meta name="keywords" content="helloWorld">

4、描述
例如下面的一个描述：

<meta name="description" content="helloWorld">

5、X-UA-Compatible
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。

<meta http-equiv="X-UA-Compatible" content="IE=EmulateIE7" />

Title

网页头部信息
如：加上

<title>test1</title>

Link

网页头部图标
如加上：

<link rel="shortcut icon" href="favicon.ico">   #href是图片的路径+名字

Style

1、在当前文件中写Css样式
2、在其他文件中写Css样式类似python的模块导入的方式把Css样式导入到当前文件中使用

Script

1、在当前文件中写JS
2、在其他文件中写JS类似python的模块导入的方式把JS导入到当前文件中使用