爬虫前端

网页由三部分组成：结构structure、表现presentation、行为behavior。

结构：HTML、XHTML

数据：XML、JSON

表现：CSS

行为：ECMAScript（JavaScript）

HTML

严格来讲HTML不是编程语言，是一种网页信息的符号标记语言。是一套标记。

HTML可以实现的功能

1.       设置文本格式，例如标题、字号、文本颜色、段落等

2.       创建列表

3.       插入音频、图像等媒体

4.       建立表格

5.       超链接

常用标记

<html></html>，HTML文件最外层标签，标记此文件是一个HTML文件。

<head></head>，HTML头文件的标记，头文件用来包含文件的基本信息，比如网页的标题、关键字等，<head>内可以放<title></title>、<meta></meta>、<style></style>等标记，但是head包含的内容不会在浏览器中显示。

<tile></title>，HTML文件标题标记。网页的‘主题’，一般显示在浏览器窗口的左上方。

<body></body>，HTML文件的网页的主体部分，里面可以包含<p></p>、<h1></h1>等标记。

<meta></meta>，页面的元信息，必须放在head标签内，描述有关搜索引擎、更新频度的信息。

<br>，强制换行标记

<p>，段落标记。

<center>，居中标记。

<pre>，预格式化标记。保留预先编排好的格式，常用来定义计算机代码。

<li>，列表项目标记。

<ul>，无序列表标记。

<ol>，有序列表标记。可以显示特定的一些顺序。

<dl><dt><dd>，定义型列表。对列表条目进行简短说明。

<hr>，水平分割标记。可用作段落之间的分割线。

<div>，分区显示标记，也称为层标记。可以用来编排一大段HTML内容，也可以用于将表格式化。