Python 爬虫学习------了解网页结构

学习爬虫，首先要懂网页，支撑起这些网页的不是别的，是一些代码，我们称这些代码为HTML，HTML是一种浏览器(Chorme，Safari，IE，Firefox等)看得懂的语言。
除了HTML，一同构成多彩/多功能网页的组件还有CSS和JavaScript。

HTML

HTML由head和body组成，其中head是不显示在网页上的，而是给浏览器看的；body是显示在网页上的，也是我们大多情况下需要爬取的内容。

BeautifulSoup

1. 选着要爬的网址(url)
2. 使用python登陆上这个网址(urlopen等)
3. 读取网页信息(read()出来)
4. 将读取的信息放入BeautifulSoup
5. 使用BeautifulSoup选区tag信息等(代替正则表达式)

安装request和beautiful：
在cmd中，进入Python安装路径下，然后pip install beautifulsoup4