专栏：python网络爬虫从基础到实战 欢迎订阅！近期还会不断更新~ 往期推荐： 【Python爬虫开发基础①】Python基础（变量及其命名规范） 【Python爬虫开发基础②】Python基础（正则表达式） 【Python爬虫开发基础③】Python基础（文件操作方法汇总） 【Python爬虫开发基础④】爬虫原理 上一篇文章已经介绍了爬虫的概念以及常见的爬虫和反爬手段，本篇文章来简单说一下前端的HTML知识

文章目录

1 什么是HTML2 为什么要学习HTML3 标签的介绍4 标签的语法5 常用标签

1 什么是HTML

HTML（Hypertext Markup Language）是一种标记语言，用于创建和呈现网页。它是构建网页的基础，并且具有简单易学的语法规则。HTML以标签为基本单位，通过嵌套和属性来描述和格式化网页上的内容和结构。

HTML最初由蒂姆·伯纳斯-李（Tim Berners-Lee）在1990年创造，旨在促进信息共享和互联网上各种文档之间的链接。如今，HTML成为了万维网的核心技术之一，被广泛应用于网页制作、网站开发和跨平台内容交互等领域。

网页由三部分组成：

内容（结构）：是我们在页面中可以看到的数据。我们称之为内容。一般内容我们使用html技术来展示。表现：指的是这些内容在页面上的展示形式。比如说。布局，颜色，大小等等。一般使用CSS技术实现。行为：指的是页面中元素与输入设备交互的响应。一般使用javascript技术实现。

每一个网页显示的元素都是由HTML代码构成的，我们可以通过下图的操作看到HTML代码，我们爬虫正是要获得这些代码，通过解析获得我们想要的数据。

2 为什么要学习HTML

学习爬虫时，学习HTML（Hypertext Markup Language）是非常重要的，因为HTML是构建网页的基础标记语言。了解和掌握HTML对于理解网页结构、获取网页内容以及编写高效的爬虫程序至关重要。

网页结构理解：学习HTML可以帮助我们了解网页的结构，包括标签、元素、属性等。在爬虫中，我们需要解析网页的结构来定位所需的数据，而HTML提供了各种标签和嵌套规则，通过学习HTML可以更好地理解页面的组成部分和它们之间的层次关系。页面内容抓取：学习HTML可以帮助我们抓取网页上的内容。网页中的各种文本、图片、链接、表格等信息都是通过HTML标记来定义和呈现的，了解HTML语法和元素可以有效地筛选出我们需要的数据，并将其提取到爬虫程序中进行后续处理和分析。元素属性识别：HTML标签通常有一些属性，这些属性可以提供有关元素的额外信息，如id、class、href等。通过学习HTML，我们可以学会如何利用这些属性来定位和识别特定的网页元素。在爬虫中，准确定位需要抓取的数据是非常重要的，而HTML标签的属性可以帮助我们精确地找到目标信息。网页动态内容：现代网页通常包含大量的JavaScript代码，用于动态生成和更新页面内容。学习HTML可以让我们理解与JavaScript交互时网页的变化。当我们遇到需要爬取动态加载的页面时，对HTML的基本了解可以帮助我们分析网页结构以及JavaScript代码的作用，从而编写适应性强的爬虫程序。错误处理和调试：学习HTML可以使我们更好地处理和调试爬虫程序中的错误。当爬虫程序无法正常工作或者抓取到错误的数据时，对HTML的理解可以帮助我们迅速定位问题所在，并针对性地进行修复和调试。

总之，学习HTML对于爬虫开发人员来说，是掌握有效抓取网页内容的基础。它不仅能帮助我们理解网页的结构、获取所需的数据，还能提高爬虫程序的稳定性和效率。通过学习HTML，我们可以更好地应对各种不同类型的网页，并编写出功能强大且适应性广泛的爬虫程序。因此，在学习爬虫时，HTML是一项必不可少的技能。

3 标签的介绍

标签格式

<标签名>封装的数据

标签名大小写不敏感标签拥有自己的属性

bgcolor = "red"

onclick = "alert('你好');"

标签分为单标签和双标签

<标签名>封装的数据

4 标签的语法

标签不能交叉嵌套，例如：

正确：

错误：

标签必须正确关闭(闭合) ，例如：

正确：

错误：