前段时间,黄同学为大家写了一篇爬虫 保姆级文章,大家非常喜欢。链接如下: 3000字 “婴儿级” 爬虫图文教学 | 手把手教你用Python爬取 “实习网”! 这篇文章其实已经是基础的基础了,但是如果搭配上今天的这篇文章,应该更棒了! 今天黄同学就手把手带你认识网页结构 ,这个对于后续爬虫定位数据,肯定是有帮助的。 我们直到,查看网页源码有两种方式: ① 单击鼠标右键,点击查看网页源代码; ② 单击电脑上的F12键;
以实习网为例,网页源代码结构大致就是这样的。 每个网页的源代码,都是由很多不同的标签,嵌套组成的。为了讲解方便,我们利用一个简单的html源代码,给大家讲解网页结构。 <!DOCTYPE html> <html lang='zh-CN'> <head> <meta charset='utf-8'> #注意这个地方,文章编码都是看这里的,有时候解析源代码乱码,可能就是这里的问题!<title>网页标题</title> <meta name='keywords' content='关键字' /> <meta name='description' content='此网页描述' /> </head> <body> 这里是网页正文内容</body> </html> 解释如下: 上图是一个最简单的HTMl文档,在上述基础框架上,再添加一些其它的HTML标签,添加一些内容,就可以构成一个丰富的网页了。 我们在爬虫过程中,常见的HTMl标签有div、ul、ol、li、h、a、p、span、img等。接下来,我们分别来介绍它。 注意:HTML标签通常是成对出现的(双边标记),比如 <div> 和 </div> ,也有单独呈现的标签(单边标记),如:<br /> 、<hr /> 和<img src=“images/1.jpg” /> 等。 说明:给大家讲述这些标签的目的,是为了让大家清楚每个标签具体指代啥,HTML代码不清楚没关系,你只要记住不同标签实际展示出来的效果是啥!
在讲解之前,我们先用pycharm创建一个.html 的文件,方便我们后面做标签的讲解演示。 如何在pycharm中创建一个.html 的文件呢? ① 打开pycharm; ② 当出现下图,完成图中操作; ③ 当出现下图,任意写一个名称即可;
三步我们就创建了一个最基本的HTML网页,结构大致如下: div标签用于定义一个个不同的区块,表示在网页中划定一块儿区域,用于展示内容。因此我们可以设置该区块儿的高height和宽width。 <!DOCTYPE html><html lang='en'><head><meta charset='UTF-8'><title>Title</title></head><body><div style='height:100px;width:500px;border:5px;'>定义第一个区块儿</div><div style='height:500px;width:500px;border:8px;'>定义第二个区块儿</div></body></html>123456789101112123456789101112 结果展示: ul、ol和li标签ul用于定义一个无序列表,ol用于定义一个有序列表,li可以存在于ul或ol之下,每个li中代码列表中的一条数据。 <!DOCTYPE html><html lang='en'><head><meta charset='UTF-8'><title>Title</title></head><body><div><ul><li>无序列表中的数据①</li><li>无序列表中的数据②</li><li>无序列表中的数据③</li></ul><ol><li>有序列表中的数据①</li><li>有序列表中的数据②</li><li>有序列表中的数据③</li></ol></div></body></html> 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
结果如下: h标签用于定义标题,分别从h1到h6,它们的字体分别由大到小。可以类比word中一级标题、二级标题的概念。 <!DOCTYPE html><html lang='en'><head><meta charset='UTF-8'><title>Title</title></head><body><h1>一级标题</h1><div><ul><li>无序列表中的数据①</li><li>无序列表中的数据②</li><li>无序列表中的数据③</li></ul><h2>二级标题</h2><ol><li>有序列表中的数据①</li><li>有序列表中的数据②</li><li>有序列表中的数据③</li></ol></div><h3>三级标题</h3></body></html>123456789101112131415161718192021222324123456789101112131415161718192021222324 结果如下: a标签用于定义一个超链接,点击超链接可以直接跳转。 <!DOCTYPE html><html lang='en'><head><meta charset='UTF-8'><title>Title</title></head><body><h1>一级标题</h1><div><ul><li>无序列表中的数据①</li><li>无序列表中的数据②</li><li>无序列表中的数据③</li></ul><h2>二级标题</h2><a href='https://blog.csdn.net/weixin_41261833'>我是一个超链接</a><ol><li>有序列表中的数据①</li><li>有序列表中的数据②</li><li>有序列表中的数据③</li></ol></div><h3>三级标题</h3></body></html> 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
结果如下: p标签用于定义一个段落,每个段落占一行。 <!DOCTYPE html><html lang='en'><head><meta charset='UTF-8'><title>Title</title></head><body><h1>一级标题</h1><div><ul><li>无序列表中的数据①</li><li>无序列表中的数据②</li><li>无序列表中的数据③</li></ul><h2>二级标题</h2><a href='https://blog.csdn.net/weixin_41261833'>我是一个超链接</a><ol><li>有序列表中的数据①</li><li>有序列表中的数据②</li><li>有序列表中的数据③</li></ol></div><h3>三级标题</h3><p>这是定义的第一个段落</p><p>这是定义的第二个段落</p><p>这是定义的第三个段落</p></body></html>1234567891011121314151617181920212223242526272812345678910111213141516171819202122232425262728 结果如下: span标签用于定义一个行内元素,不同的span标签定义的内容,都显示在一行,方便我们为每个块儿添加不同的格式。 <!DOCTYPE html><html lang='en'><head><meta charset='UTF-8'><title>Title</title></head><body><h1>一级标题</h1><div><ul><li>无序列表中的数据①</li><li>无序列表中的数据②</li><li>无序列表中的数据③</li></ul><h2>二级标题</h2><a href='https://blog.csdn.net/weixin_41261833'>我是一个超链接</a><ol><li>有序列表中的数据①</li><li>有序列表中的数据②</li><li>有序列表中的数据③</li></ol></div><h3>三级标题</h3><p>这是定义的第一个段落</p><p>这是定义的第二个段落</p><p>这是定义的第三个段落</p><span>这是定义的第一个行内元素。</span><span>这是定义的第二个行内元素。</span><span>这是定义的第三个行内元素。</span></body></html> 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32
结果如下: 标签img定义一张图片,其中有一个src属性用于指定图片的地址。 <!DOCTYPE html><html lang='en'><head><meta charset='UTF-8'><title>Title</title></head><img><h1>一级标题</h1><div><ul><li>无序列表中的数据①</li><li>无序列表中的数据②</li><li>无序列表中的数据③</li></ul><h2>二级标题</h2><a href='https://blog.csdn.net/weixin_41261833'>我是一个超链接</a><ol><li>有序列表中的数据①</li><li>有序列表中的数据②</li><li>有序列表中的数据③</li></ol></div><h3>三级标题</h3><p>这是定义的第一个段落</p><p>这是定义的第二个段落</p><p>这是定义的第三个段落</p><span>这是定义的第一个行内元素。</span><span>这是定义的第二个行内元素。</span><span>这是定义的第三个行内元素。</span><img src='https://i./2020/05/30/Z5XrPidptFDb2BA.jpg' alt='加载失败'></body></html>1234567891011121314151617181920212223242526272829303132333412345678910111213141516171819202122232425262728293031323334 结果如下: 好了,本文就讲述到这里。希望你看了本文以后,以后再遇到爬虫,每当看到这些标签,你就能大致知道它是什么就行。
|