Python 3爬虫、数据清洗与可视化实战
上QQ阅读APP看本书，新人免费读10天
设备和账号都新为新人
上一章目录下一章

2.2 了解网页

以中国旅游网首页（http://www.cntour.cn/）为例，如图2-2所示。抓取中国旅游网首页首条信息（标题和链接），数据以明文的形式出面在源码中。

图2-2

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2-3所示。

图2-3

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的标签，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，图2-3中第13行<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，眼睛是双眼皮还是单眼皮，是大眼睛还是小眼睛，皮肤是黑色的还是白色的等。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>
            <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>
            <div>
            <ul>
                <li><a href="http://www.baidu.com">爬虫</a></li>
                <li>数据清洗</li>
            </ul>
        </div>
    </body>
    </html>

输入代码后，保存记事本，然后按图2-4所示的方式修改文件名和后缀名。

图2-4

运行该文件后的效果，如图2-5所示。

图2-5

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。

上一章目录下一章