關(guān)于爬蟲，HTML知識需要了解一下！

蟲涉及的技術(shù)包括但不限于熟練一門編程語言（這里以 Python 為例） HTML 知識、HTTP 協(xié)議的基本知識、正則表達(dá)式、數(shù)據(jù)庫知識，常用抓包工具的使用、爬蟲框架的使用、涉及到大規(guī)模爬蟲，還需要了解分布式的概念、消息隊(duì)列、常用的數(shù)據(jù)結(jié)構(gòu)和算法、緩存，甚至還包括機(jī)器學(xué)習(xí)的應(yīng)用，大規(guī)模的系統(tǒng)背后都是靠很多技術(shù)來支撐的。（

網(wǎng)頁知識（html，js,css，xpath等），雖然不難，但一定需要了解。 你得知道這些網(wǎng)頁是如何構(gòu)成的，然后才能去分解他們。

一、什么是HTML

HTML全稱Hyper Text Mark-up Language(超文本標(biāo)記語言),它不是一種編程語言，而是一種標(biāo)記語言 (markup language)。標(biāo)記語言是一套標(biāo)記標(biāo)簽 (markup tag)，HTML 使用標(biāo)記標(biāo)簽來描述網(wǎng)頁。

HTML是編寫網(wǎng)頁的語言，瀏覽器懂這門語言，爬蟲本質(zhì)上是模擬瀏覽器抓取數(shù)據(jù)。因此懂些HTML知識對入門爬蟲很有幫助~

作為一門語言，它有自己的語法規(guī)則，用來表示比“文本”更豐富的意義，比如圖片，表格，鏈接等。瀏覽器（IE,FireFox等）軟件知道HTML語言的語法，可以用來查看HTML文檔。目前互聯(lián)網(wǎng)上的絕大部分網(wǎng)頁都是使用HTML編寫的。

二、HTML長什么樣？

HTML的語法：文本+標(biāo)簽

即給文本加上表明文本含義的標(biāo)簽(Tag)，讓用戶（人或程序）能對文本得到更好的理解。

關(guān)于標(biāo)簽：

HTML 標(biāo)簽是由尖括號包圍的關(guān)鍵詞，比如 <html>
HTML 標(biāo)簽通常是成對出現(xiàn)的，比如 <b> 和 </b>
標(biāo)簽對中的第一個(gè)標(biāo)簽是開始標(biāo)簽，第二個(gè)標(biāo)簽是結(jié)束標(biāo)簽
開始和結(jié)束標(biāo)簽也被稱為開放標(biāo)簽和閉合標(biāo)簽

示例

效果

<html>
 <head>
 <title>歡迎來到簡書-皮壹俠</title>
 </head>
 <body>
 歡迎訪問<a >皮壹俠的簡書主頁</a>!
 </body>
</html>

如果想嘗試，可以下載Notepad++來動手試一試

所有的HTML文檔都應(yīng)該有一個(gè)<html>標(biāo)簽

<html>標(biāo)簽可以包含兩個(gè)部分:<head>和<body>

<head>標(biāo)簽用于包含整個(gè)文檔的一般信息
文檔的標(biāo)題（<title>標(biāo)簽用于包含標(biāo)題）
對整個(gè)文檔的描述
文檔的關(guān)鍵字
...
<body>標(biāo)簽存放文檔的具體內(nèi)容

上面代碼中，<a>標(biāo)簽用于表示鏈接，在瀏覽器查看HTML文檔時(shí)，點(diǎn)擊<a>標(biāo)簽括起來的內(nèi)容時(shí)，通常會跳轉(zhuǎn)到另一個(gè)頁面。這個(gè)要跳轉(zhuǎn)到的頁面的地址由<a>標(biāo)簽的href屬性指定

如上<a >，href屬性的值就是https://www.jianshu.com/u/5a41eb2ceec6

三、HTML可以包含哪些內(nèi)容？

通過不同的標(biāo)簽，HTML文檔可以包含不同的內(nèi)容，比如文本，鏈接，圖片，列表，表格，表單，框架等。

文本

HTML對文本的支持是最豐富的，你可以設(shè)置不同級別的標(biāo)題，分段和換行，可以指定文本的語義和外觀，可以說明文本是引用自其它的地方，等等等等。

鏈接

鏈接用來指出內(nèi)容與另一個(gè)頁面或當(dāng)前頁面某個(gè)地方有關(guān)。

圖片

圖片用于使頁面更加美觀，或提供更多的信息。

列表

列表用于說明一系列條目是彼此相關(guān)的。

表格

表格是按行與列將數(shù)據(jù)組織在一起的形式。也有不少人使用表格進(jìn)行頁面布局。

表單

表單通常由文本輸入框，按鈕，多選框，單選框，下拉列表等組成，使HTML頁面更有交互性。

框架

框架使頁面里能包含其它的頁面。

四、HTML文檔格式

HTML 文檔=網(wǎng)頁

HTML 文檔描述網(wǎng)頁
HTML 文檔包含 HTML 標(biāo)簽和純文本
HTML 文檔也被稱為網(wǎng)頁

Web 瀏覽器的作用是讀取 HTML 文檔，并以網(wǎng)頁的形式顯示出它們。瀏覽器不會顯示 HTML 標(biāo)簽，而是使用標(biāo)簽來解釋頁面的內(nèi)容。在HTML文本中，用尖括號括起來的部分稱為標(biāo)簽。

如果想在正文里使用尖括號（或者大與號小與號，總之是同一個(gè)東西），必須使用字符轉(zhuǎn)義，也就是說轉(zhuǎn)換字符的原有意義。<應(yīng)該使用<代替，>則使用>，至于&符號本身,則應(yīng)該使用&替代。Python學(xué)習(xí)關(guān)注，每天免費(fèi)直播課程學(xué)習(xí)群：839383 765 分享業(yè)內(nèi)最新python學(xué)習(xí)資源！

示例

標(biāo)簽本質(zhì)上是對它所包含的內(nèi)容的說明，可能會有屬性，來給出更多的信息。比如<img>（圖片）標(biāo)簽有src屬性（用于指明圖片的地址），width和height屬性（用于說明圖片的寬度和高度）。

HTML里能使用哪些標(biāo)簽，這些標(biāo)簽分別可以擁有哪些屬性，都是有規(guī)定的，后續(xù)如深入學(xué)習(xí)HTML其實(shí)就是學(xué)習(xí)這些標(biāo)簽。

HTML文檔結(jié)構(gòu)

標(biāo)簽通常有開始部分和結(jié)束部分（也被稱為開始標(biāo)簽和結(jié)束標(biāo)簽），它們一起限定了這個(gè)標(biāo)簽所包含的內(nèi)容。

屬性只能在開始標(biāo)簽中指定，屬性值可以用單引號或雙引號括起來。結(jié)束標(biāo)簽都以/加上標(biāo)簽名來表示。有時(shí)候，有些標(biāo)簽并不包含其它內(nèi)容（只包括自己的屬性，甚至連屬性都沒有），這種情況下，可以寫成類似這樣：<img src="logo.gif" />。（注意最后的一個(gè)空格和一個(gè)反斜杠），它說明這個(gè)標(biāo)簽已經(jīng)結(jié)束，不需要單獨(dú)的結(jié)束標(biāo)簽了。

對比下：

注：HTML文檔里所有的空白符（空格，Tab，換行，回車）會被瀏覽器忽略，唯一的例外是空格，對空格的處理方式是所有連續(xù)的空格被當(dāng)成一個(gè)空格，不管有一個(gè)，還是兩個(gè)，還是100個(gè)。之所以有這樣的規(guī)則是因?yàn)楹雎钥瞻追茏屖褂肏TML的作者以他覺得最方便的格式來排列內(nèi)容，比如可以在每個(gè)標(biāo)簽開始后增加縮進(jìn)，標(biāo)簽結(jié)束后減少縮進(jìn)。由于英語文本中空格用得很普遍（用于分隔單詞），所以對空格做了這樣的特殊處理。如果要顯示連續(xù)的空格（比如為了縮進(jìn)），應(yīng)該用來代表空格。

結(jié)構(gòu)解析1

結(jié)構(gòu)解析2

五、常用標(biāo)簽介紹

（一）文本

文本

（二）圖片

圖片

（三）鏈接

鏈接

（四）分段與換行

分段與換行

（五）表格

表格

（六）列表

列表

（七）框架

好了，以上就是我的分享，每天都會更新，記得關(guān)注我們哦！

ark Text是一款國人開發(fā)的 Markdown 開源編輯器，基于 Electron 構(gòu)建，支持多平臺包括 Mac OS、Windows 和 Linux 平臺。Mark Text還內(nèi)置斗圖功能，通過快捷鍵 Cmd+/ 直接打開斗圖搜索面板。斗圖功能默認(rèn)是關(guān)閉的，需要從user preference 菜單中，打開 preference.md, 然后設(shè)置 aidou 為 true。保存然后重啟編輯器即可使用。

主要特性

Mark Text 所輸及所見，摒棄了眾多 Markdown 編輯器左邊寫作右邊預(yù)覽的寫作方式，巧妙的將編輯和預(yù)覽融為一體。
snabbdom 作為 Mark Text 的渲染引擎，保證了極速渲染編輯頁面，帶來流暢的書寫體驗(yàn)。
支持 CommonMark Spec 和 GitHub Flavored Markdown Spec 語法格式，生成的 Markdown 可以復(fù)制到任何支持 Markdown 格式的社區(qū)、網(wǎng)站。
段落及行內(nèi)樣式快捷鍵提升您的編輯效率。
輸出 HTML 和 PDF 格式文件，方便在瀏覽器中預(yù)覽。
黑、白兩款主題，自由切換。
多種編輯模式：源代碼模式、打字機(jī)模式、專注模式。

常在razor文件中，如果這樣寫：

<div>
@content
</div>
@code
{
string content="<h1>hello world</h1>";
}

你將得到的是：

但是你的本意是要讓它正常的渲染html，要怎么來實(shí)現(xiàn)呢？

<div>
@((MarkupString)(@content)
</div>
@code
{
string content="<h1>hello world</h1>";
}

@((MarkupString)(@content) 這樣就告訴blazor，要用html格式進(jìn)行渲染。

這樣就正常了。

在線咨詢

上一篇：深入探討SVG圖標(biāo)的顏色自定義：currentCol
下一篇：Delphi- 比特幣生態(tài)入門到精通

您的項(xiàng)目需求

*請認(rèn)真填寫需求信息，我們會在24小時(shí)內(nèi)與您取得聯(lián)系。

整合營銷服務(wù)商

關(guān)于爬蟲，HTML知識需要了解一下！

您的項(xiàng)目需求