Python爬虫入门2：HTML知识简介

☞ ░ 前往老猿Python博客 https://blog.csdn.net/LaoYuanPython ░

一、HTML语言简介

HTML 指的是超文本标记语言 (Hyper Text Markup Language)，它不是一种编程语言，而是一种使用一套标记标签（markup tag）来标记元素作用的标记语言，标记语言使用标记标签来描述网页的内容。标记标签不会出现在页面中，只有标签中的内容才会显示在页面上。

二、HTML标签和HTML元素

HTML 标记标签通常被称为 HTML 标签 (HTML tag)，是由一对尖括号括起来的关键词，称为标签名，如 <html>、<a>、<h1>。标签不区分大小写，但是推荐使用小写，(X)HTML 版本中强制使用小写，这样更加严谨。

标签的标记分为起始标签和结束标签。HTML 元素指的是从开始标签（start tag）到结束标签（end tag）的所有内容。

起始标签用于标记对应HTML元素的开始位置，结束标签用于标记HTML元素的结束位置。

标签分为单标签和双标签，都需要起始标签和结束标签，不同的是单标签起始、结束标签都写在一个尖括号里而双标签则分别写在两个尖括号里。单标签又称为空标签，双标签又称为闭合标签。单标签的结束标签就是在标签的右尖括号前面一个反斜杠，如 就是一个单标签，双标签的结束标签就是在左尖括号后比开始标签多了一个反斜杠，如<html>和</html>就是一对开始标签和结束标签。

三、HTML元素的分类

不同的HTML标签对应的HTML元素可以根据位置特征等分为两类:

块元素(block)
块元素主要用来搭建网站架构、页面布局、承载内容，常见块元素对应的标签有： address、blockquote、center、dd、dl、dt、div、dir、fieldset、form、h1-h6、hr、isindex、li、menu、noframes、noscript、ol、table、p、pre、table、u、ul，即这些标签对应的HTML元素为块元素。块元素可设置宽高以及内外边距、在新行上开始，块级元素如果不设置宽度和高度，则宽度默认为父级元素（容器）的宽度。高度则根据内容大小自动填充。
行元素(inline)
行元素用于加强内容显示、控制细节，例如：加粗、斜体等等，常见行元素对应的标签有： a、abbr、acronym、b、bdo、big、br、cite、code、dfn、em、font、i、img、input、kbd、label、q、s、samp、select、small、span、strike、strong、sub、sup、textarea、tt、u、var …等，行元素和其他元素都在一行上，高、行高及顶和底边距不可改变，宽度就是它的文字或图片的宽度，不可改变，可以设置左右内、外边距，行元素与其他行元素可共处一行

四、标签嵌套

双标签的开始标签和结束标签之间可以嵌套其他标签，不过需要遵循以下规则：

两个标签嵌套时必须确保开始标签和结束标签的层级是一致的，即开始标签在外层的结束标签必须在外层；
建议书写HTML文本时嵌套标签的内层标签相对外层标签进行缩进以体现嵌套关系；
块元素标签可以包含行元素标签，但行元素标签不能包含块元素标签，它们只能包含其它的行元素标签；
a标签想要用hover必须把它的路径写全；
伪类(hover/link/visited/active)只能加给a标签，在支持 CSS 的浏览器中，伪类表示链接的不同状态，这些状态包括：活动状态，已被访问状态，未被访问状态，和鼠标悬停状态：

link用在为访问的连接上；
visited用在已经访问过的连接上；
hover用于鼠标光标置于其上的连接；
active用于获得焦点(比如，被点击)的连接上。

块元素标签之间：
1)h1、h2、h3、h4、h5、h6、p、dt标签内不能再嵌套块标签；
2)li元素可以嵌入ul, ol, div；
3)div内可以再嵌套其他块元素；
4)块元素嵌套其他标签时，同一层级必须都是块元素，或必须都是行元素，不能一部分是块元素，一部分是行元素。如<div></div>这种模式是错误的，因为span是行元素，p是块元素，所以这个是错误的嵌套。

虽然标签可以嵌套，但为了提高浏览器的渲染效率，应该尽量少使用标签嵌套。

五、标签的属性

HTML 标签可以拥有属性,属性为HTML元素提供的更多的附加信息, 属性只能在开始标签中使用,总是以名称/值对的形式出现，属性与属性之间需要用空格隔开，属性使用小写。常用的属性有class(样式类)、id（属性名）、style（显示风格）、title（标题）、align（对齐方式）、bgcolor（背景色）、color（颜色）。
如：。而<a>标签定义HTML 链接，链接的地址在<a>标签href 属性中指定，如：

<a href="https://blog.csdn.net/ LaoYuanPython " > 老猿Python</a>

六、常用标签及含义

<html> 与 </html>:用于标记在这对标签之间的内容为HTML语言文本；
<body> 与 </body>：用于标记这对标签之间的文本是可见的页面内容；
<hn> 与 </hn> ：n为1-6，用于标记这对标签之间的文本显示为标题；
与 ：用于标记这对标签之间的文本被显示为一个独立段落；
<a>与 </a>：用于标记这对标签之间的文本为一个网址链接；
<img>：用于标记图像，这是一个单标签，如：<img src="LaoYuanPython.jpg" />
 :单标签，用于标记换行；
<hr /> ：单标签，用于显示一根水平线；
：用于存放注释；
<center>：定义居中的内容；
 :定义字体；
:定义下划线文本；
:定义斜体文本；
: 定义粗体文本；
<big>: 定义大号字；
: 定义着重文字；
: 定义小号字；
: 定义加重语气；
: 定义下标字；
: 定义上标字；
<ins>: 定义插入字；
<del>: 定义删除字；
<link>：标签定义文档与外部资源的关系，此元素只能存在于 head 部分，不过它可出现任何次数。

本节简单介绍了HTML语言的基础知识，如果大家有不理解的地方，可以再在网上多查查资料。这些知识对于爬虫程序解析网页内容非常重要，如果不理解基本概念，对网页解析的知识就不太好理解。另外本节介绍的内容并不全面，也不是最新的，例如关于标签分类，行元素标签现在又进一步细分了，关于格式控制的标签现在建议使用css样式，这些东西老猿就不再详细介绍了，大家感兴趣可以到w3school 更多学习一下。

写博不易，敬请支持：

如果阅读本文于您有所获，敬请点赞、评论、收藏，谢谢大家的支持！

更多Python爬虫入门的介绍请参考专栏《Python爬虫入门》
专栏网址：https://blog.csdn.net/laoyuanpython/category_10762553.html

关于老猿的付费专栏

付费专栏《https://blog.csdn.net/laoyuanpython/category_9607725.html 使用PyQt开发图形界面Python应用》专门介绍基于Python的PyQt图形界面开发基础教程，对应文章目录为《 https://blog.csdn.net/LaoYuanPython/article/details/107580932 使用PyQt开发图形界面Python应用专栏目录》；
付费专栏《https://blog.csdn.net/laoyuanpython/category_10232926.html moviepy音视频开发专栏 )详细介绍moviepy音视频剪辑合成处理的类相关方法及使用相关方法进行相关剪辑合成场景的处理，对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/107574583 moviepy音视频开发专栏文章目录》；
付费专栏《https://blog.csdn.net/laoyuanpython/category_10581071.html OpenCV-Python初学者疑难问题集》为《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理》的伴生专栏，是笔者对OpenCV-Python图形图像处理学习中遇到的一些问题个人感悟的整合，相关资料基本上都是老猿反复研究的成果，有助于OpenCV-Python初学者比较深入地理解OpenCV，对应文章目录为《https://blog.csdn.net/LaoYuanPython/article/details/109713407 OpenCV-Python初学者疑难问题集专栏目录》
付费专栏《https://blog.csdn.net/laoyuanpython/category_10762553.html Python爬虫入门》站在一个互联网前端开发小白的角度介绍爬虫开发应知应会内容，包括爬虫入门的基础知识，以及爬取CSDN文章信息、博主信息、给文章点赞、评论等实战内容。

前两个专栏都适合有一定Python基础但无相关知识的小白读者学习，第三个专栏请大家结合《https://blog.csdn.net/laoyuanpython/category_9979286.html OpenCV-Python图形图像处理》的学习使用。

对于缺乏Python基础的同仁，可以通过老猿的免费专栏《https://blog.csdn.net/laoyuanpython/category_9831699.html 专栏：Python基础教程目录）从零开始学习Python。

如果有兴趣也愿意支持老猿的读者，欢迎购买付费专栏。