初识HTML页面

Answer 1

在探讨爬虫与网页基本构成的关系之前，让我们先对网页的结构以及涉及的HTML、CSS、JS和HTTP协议进行简要介绍，以帮助对前端基础不甚了解的开发人员更好地进入开发状态。

在进行爬虫学习之前，建议安装Chrome浏览器，其他浏览器亦可，Chrome在这方面更优，课程中将主要使用Chrome。在Chrome浏览器中，按下F12快捷键即可进入开发者模式，查看当前页面构成，这对学习爬虫及使用爬虫极为有益。

HTML，全称为超文本标记语言，是描述网页的工具。HTML通过一系列由尖括号包围的关键词（如``、``、``等）组成，类似编程语言中的关键字。HTML标签通常成对出现，如``与``，``与``，``与``，分别用于定义网页的开始、头部信息与主体内容。

一个简单的HTML示例如下：``与``定义整个HTML页面，``与``包含元数据信息，``则用于呈现页面内容。具体显示效果包括文本描述、段落显示等，以``标签定义段落。页面的根结点即为``标签，其余节点为其子节点，与数据结构中的树形结构类似。

通过使用工具如PyCharm或Notepad++查看HTML代码，通常可实现折叠效果，便于快速定位。DOM树（文档对象模型）描述了HTML文档中标签间的关联，解析HTML文档生成DOM树的过程称为解析。

在爬虫中，获取网页数据的实质是解析DOM树，进而提取所需信息。在网页呈现形式较为简单的场景下，通过CSS层叠样式表（`