爬虫准备知识-html相关知识

记录学习的点点滴滴-150天从python小白到大神的转变(爬虫准备知识)

​ 从10月26日开始，正式进入了第二阶段的学习。整个阶段主要学习的知识是爬虫相关知识。爬虫这一部分包含三个板块：一是获取数据，二是数据解析，三是保存数据。

​ 获取到的数据可能是网站源代码，也有可能获取不了网络源代码，这种情况就只能找数据接口。获取到的数据，可能会用前端的相关代码显示，也有可能是用json数据格式显示的。主要用到的工具是python的第三方库requests或者selenium。

​ 数据解析模块主要用到的工具包括re模块中json相关知识以及bs4,pyQuery,lxml等。

​ 数据保存这一部分学习的是如何将解析出来的数据保存成csv格式。之后还会学习如何将解析出来的数据保存到数据库中。

前端准备知识

1. 一个网页页面的构成

   一个网页包含三个内容，一是HTML超文本标记语言，负责实现网页的内容。二是css，负责实现网页的样式和布局。三是javascript， java脚本，负责实现网页的动态效果。一个包含html基本语法的页面，包含head和body两部分。

2. HTML常见的标签

   标签分类

   HTML标签分为单标签和双标签。每种标签都有自己固定的格式，也有自己固定的属性。

   单标签：<标签名 属性名1=属性值1 属性名2=属性值2 属性名3=属性值3…>

   ​ <标签名 属性名1=属性值1 属性名2=属性值2 属性名3=属