所有的Python “爬虫“ 初学者，都应该看这篇文章！

Posted 2021-07-04 数据分析与统计学之美

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了所有的Python “爬虫“ 初学者，都应该看这篇文章！相关的知识，希望对你有一定的参考价值。

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。
在这里插入图片描述
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。
在这里插入图片描述
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：
在这里插入图片描述
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：
在这里插入图片描述

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>

结果展示：
在这里插入图片描述

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>

结果如下：
在这里插入图片描述

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>

结果如下：
在这里插入图片描述

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>

结果如下：
在这里插入图片描述

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>

结果如下：
在这里插入图片描述

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>

结果如下：
在这里插入图片描述

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.loli.net/2020/05/30/Z5XrPidptFDb2BA.jpg" alt="加载失败">
</body>
</html>

结果如下：
在这里插入图片描述
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。

以上是关于所有的Python “爬虫“ 初学者，都应该看这篇文章！的主要内容，如果未能解决你的问题，请参考以下文章

Python Web怎么学，看这篇就够了！

了解入门爬虫技术原理，看这篇就够了

第七篇爬虫挖矿神器看这篇就够了

python scrapy 怕学不会？看这篇就可以了，真从零开始，而且还有后续

Java程序员大厂面试指南，看这篇就够了

初学Java中的方法,看这篇就够了