2.2 了解网页

　　以中国旅游网首页（http://www.cntour.cn/）为例，如图所示。抓取中国旅游网首页首条信息（标题和链接），数据以明文的像是出现在源码中。

　　在中国旅游网首页（http://www.cntour.cn/），按快捷键【Ctrl+U】打开源码页面，如图所示。

2.2.1 认识网页结构

网页一般由三部分组成，分别是HTML（超文本标记语言）、CSS（层叠样式表）和JScript（活动脚本语言）。

1、HTML

HTML是整个网页的结构，相当于整个网站的框架。带“<”，“>”符号的都是属于HTML标签，并且标签都是成对出现的。

常见的标签如下。

<html>..</html>  表示标记中间的元素是网页
<body>..</body>  表示用户可见的内容
<div>..</div>  表示框架
<p>..</p>  表示段落
<li>..</li>  表示列表
<img>..</img>  表示图片
<h1>..</h1>  表示标题
<a href="">..</a>  表示超链接

2、CSS

CSS表示样式，上图中<style type="text/css">表示下面引用一个CSS，在CSS中定义了外观。

3、JScript

JScript表示功能。交互的内容和各种特效都在JScript中，JScript描述了网站中红的各种功能。

如果用人体来比喻，HTML是人的骨架，并且定义了人的嘴巴、眼睛、耳朵等要长在哪里。CSS是人的外观细节，如嘴巴长什么样子，眼睛是上眼皮还是单眼皮，是大眼睛还是小眼睛，皮肤是黑色还是白色等。JScript表示人的技能，例如跳舞、唱歌或者演奏乐器等。

2.2.2 写一个简单的HTML

通过编写和修改HTML，可以更好地理解HTML。首先打开一个记事本，然后输入下面的内容。

<html>
<head>
    <meta charset="UTF-8">
    <title>Python3爬虫与数据清洗入门与实战</title>
</head>
<body>
<div>
    <p> Python3爬虫与数据清洗入门与实战</p>
</div>
<ul>
    <li><a href="http://www.baidu.com">爬虫</a></li>
    <li>数据清洗</li>
</ul>

</body>
</html>

输入代码后，保存记事本，然后按照下图所示的方式修改文件名和后缀名。

运行该文件后的效果，如图所示。

这段代码只是用到了HTML，读者可以自行修改代码中的中文，然后观察其变化。

 

posted @ 2019-06-17 14:12  taoziya  阅读(147)  评论(0)    收藏  举报