【Python】从爬虫小白到牢饭大佬

发布于:2025-01-14 ⋅ 阅读:(39) ⋅ 点赞:(0)

也许在某一个平行时空里,我们美好地相遇,白头偕老;也可能在另一个平行时空里,我们在人海中无数次擦身而过,素昧平生;只可惜在这个时空里,你的名字叫遗憾。 

爬虫简介 

1. 网络爬虫,是一种按照一定的规定,自动抓取互联网信息的程序或者脚本。

2. 爬虫运行原理:先获取数据,再处理数据,最后存储数据

网页简介

1. 网址,又称统一资源定位符(URL), 用于标识资源在网络上的地址。

2. 一个网址通常由:网络协议类型、域名、资源在服务器中的位置组成。

3. 网址内有时还存在锚点#...,用于快速定位页面内容

浏览器上网原理 

1. 用户向浏览器输入网址

2.  浏览器根据我们的网址,找到对应域名的服务器,向服务器发送请求获取资源。

3. 服务器收到请求后做出响应,把资源交给浏览器。

4. 浏览器加载资源并呈现给用户。

开发者工具 

1. 推荐使用谷歌浏览器Ctrl+shift+I,打开开发者工具。

Elements面板 

Network面板

1. Network面板记录了发生在该页面的所有请求---响应

2. Network面板主要关注:功能区、筛选区、请求列表区

3. 功能区主要关注:clear(清除)、Preserve log(保留请求记录)两个功能。

4. 筛选区主要关注:All、Others等标签。

5. 请求列表区:当开发者工具捕捉到新的请求时,会成列在请求列表区。

6. 请求名:name;请求状态:status;请求类型:type

7. 点击name,则会在右边的Headers信息区的General部分了解到:请求网址,请求方法,状态码

响应状态码 

1. 面对浏览器发送过来的请求,服务器都会做出相应,而响应状态码可以反应出本次响应的状态。 

2. 如果出现客户端错误,则返回404,并且将网页跳转至: https://web.shanbay.com/codetime/home/404

3. 可能是用户输错了 URL,也可能是开发者将资源移动到了其它位置

HTML文档 

1. 点击name,则会在右边的Response信息区了解到:服务器响应后呈现的HTML文档

2. HTML文档,即超文本标记语言,是计算机语言的一种,用来结构化Web网页及其内容

HTML基本语法 

1. HTML文档元素构成,元素由三部分组成:开始标签、元素内容、结束标签

2. p元素:段落h元素:标题a元素:超链接

3. 元素的属性需要在元素的开始标签中标注,写成属性名称="属性值"的形式,如果一个元素有多个属性,属性与属性之间需要用一个空格隔开

4. href属性,即超文本引用,用于描述超链接的属性,后面跟上超链接的链接。

5. target属性默认值为_self,表示在当前页面打开链接;还可以改成_blank,表示会在浏览器新标签页打开链接。

6. class、id属性都是用来标识元素的,class可以重复出现,而id唯一的

7. style属性则能够为元素设置样式

8. HTML中用img元素描述图片img元素有两个特殊属性,一个是src(图片来源属性),值是图片资源对应的URL;另一个是alt(用于替换的文本)属性,当用户无法查看图片时,浏览器会读取alt属性值,作为图片内容的替代信息展示给用户。

9. img元素只有开始标签,属于空元素;此外还有换行符br元素水平分割线hr元素都是空元素。

10. 浏览器在解析HTML文档时,会忽略所有多余空格、换行符。

11. &nbsp字符表示空格

12. code 元素用来描述代码。

 

致谢

  感谢您花时间阅读这篇文章!如果您对本文有任何疑问、建议或是想要分享您的看法,请不要犹豫,在评论区留下您的宝贵意见。每一次互动都是我前进的动力,您的支持是我最大的鼓励。期待与您的交流,让我们共同成长,探索技术世界的无限可能! 


网站公告

今日签到

点亮在社区的每一天
去签到

热门文章