爬虫基础 2.2 网页基础
2.2 网页基础
浏览器浏览的网页，均是浏览器根据超文本，CSS,以及，JS，的解解析规则，对服务器返回的数据进行解析加载，进而变成我们所见的页面。
2.21 网页的组成
1 HTML 构成网页的框架 定义网页的内容
2 CSS 构成框架中的元素的样式 规定网页的布局
3 JavaScript 对网页行为进行编程 动画，酷炫的效果等
1 HTML
网页 括文字、按钮、图片 视频等各 复杂的元素，其基本就是 HTML 。
不同类型的文字通过不同类型的标签来表示 ，
标签之间的布局又常通过布局标签 div 嵌套组合而戚 ，
各种标签通过不同的排列和嵌套形成网页的框架
常见标签：详细内容见https://www.jianshu.com/p/04e541183329 （转载总结很棒）
分区标签
<header> 表示一组引导性的帮助
<nav> 导航
<section> 表示文档中的一个区域（或节），通过是否含一个标题作为子节点来辨识<section>
<aside> 表示与其余页面无关的内容部分
<footer> 表示最近一个章节内容或者根节点元素的页脚
<h1>~<h6> 标题
<article> 表示文档、页面、应用或网站中的独立结构
<address> 地址信息
<hgroup> 代表一个段的标题
文本内容标签：
<main> 文档<body>或应用的主体部分
<div> 文档分区元素， 通用型流内容容器
<p> 段落
<pre> 预定义格式文本
<ol> 有序列表
<ul> 无序列表
<li> 列表条目元素
<dl> 描述列表元素
<dt>术语定义元素
<dd> 描述元素，描述列表 (<dl>) 的子元素，<dd>与 <dt> 一起用。
<figure> 代表一段独立的内容, 经常与说明(caption) <figcaption> 配合使用
<figcaption>图片说明/标题，于描述其父节点 <figure> 元素里的其他数据
<blockquote> HTML 块级引用元素
<hr> 表示段落级元素之间的主题转换，视觉上看是水平线
HTML 支持各种多媒体资源，例如图像，音频和视频。
<img> 图片
<audio> 音频内容
<video> 视频内容
<track> 被当作媒体元素—<audio> 和 <video>的子元素来使用。它允许指定计时字幕（或者基于事件的数据），例如自动处理字幕。
<map> 与 <area> 属性一起使用来定义一个图像映射(一个可点击的链接区域).
<area> 在图片上定义一个热点区域，可以关联一个超链接。<area>元素仅在<map>元素内部使用。
2 CSS
HTML 标签原本被设计为用于定义文档内容。通过使用 <h1>、<p>、<table> 这样的标签，HTML 的初衷是表达"这是标题"、"这是段落"、"这是表格"之类的信息。同时文档布局由浏览器来完成，而不使用任何的格式化标签,这样的文档内容单调，不够美观。
于是，就有了CSS来美化，为HTML中的元素设定显示效果。
CSS 指层叠样式表 (Cascading Style Sheets)
样式定义如何显示 HTML 元素
样式通常存储在样式表中
把样式添加到 HTML 4.0 中，是为了解决内容与表现分离的问题
外部样式表可以极大提高工作效率
外部样式表通常存储在 CSS 文件中
多个样式定义可层叠为一
3 JavaScript
简称JS，脚本语言，HTML和CSS配合只能显示静态的彩色的网页，没有动态效果。网页中的动态交互效果例如
进度条，弹窗，轮播，，，都是由JS提供。
JS以单独的文件加载，后缀为.js， 在HTML标签中通过<script>标签引入
因此 网页组成中：
HTML 定义网页文档的基本结构
CSS 描述网页的布局
JS 描述网页的动态行为
2.22 网页的结构
网页的结构由HTML标签决定， 因此要熟悉各种标签的含义以及代表的内容和功能。
2.23 网页HTML节点以及节点书树的关系
节点：
HTML 文档中的所有内容都是节点，通过 HTML DOM ，所有的节点构成节点树，树中的所有节点均可通过 Java Script 访问，所有 HTML 节点元素均可被修改，也可以被创建或删除
整个文档是一个文档节点
每个 HTML 元素是元素节点
HTML 元素内的文本是文本节点
每个 HTML 属性是属性节点
注释是注释节点
节点树：
HTML DOM HTML 文档视作树结构，这种结构被称为节点树，除了root 根节点每个节点都有父节点，也可能由子节点兄弟节点。
2.24 CSS 选择器
网页由多个节点构成，CSS选择器会根据不同的节点设置为不同的样式，如何定位节点，选择要提取的内容？ 通过CSS选择器来选择节点
使用 css 选择器来定位节点
例如div 节点的 id 为container ，那么就可以表示为＃container ，其中＃开头代表选择id 其后紧跟 id 的名称
想选择 class wrapper 的节点 ，便可以使用 .wrapper ，这里以点 . 开头代表选择 class ，其后紧跟 class 的名称
根据标签名筛选，例如想选择二级标题 ，直接用 h2 即可 这是最常用的 种表示，分别是根据id, class 、标签名筛选 ，
css 选择器还支持嵌套选择 ，各个选择器之间加上空格分隔开便可以代表嵌套关系，
#container .wrapper 则代表先选择 id为container 的节点，然后选中其内部的 class wrapper 的节点，然后再进一步选中其内部的p节点
如果不加空格，代表并列关系
如 div#container . wrapper p.text 代表先选择 id为container div 节点，然后选中其内部的 class wrapper 的节点，再进步选中其内部的 class text 节点 这就是CSS择器，其筛选非常强大
Css选择器语法规则：
选择器 | 例子 | 例子描述 | CSS | |
.intro | 选择 class="intro" 的所有元素。 | 1 | ||
#firstname | 选择 id="firstname" 的所有元素。 | 1 | ||
* | 选择所有元素。 | 2 | ||
p | 选择所有 <p> 元素。 | 1 | ||
div,p | 选择所有 <div> 元素和所有 <p> 元素。 | 1 | ||
div p | 选择 <div> 元素内部的所有 <p> 元素。 | 1 | ||
div>p | 选择父元素为 <div> 元素的所有 <p> 元素。 | 2 | ||
div+p | 选择紧接在 <div> 元素之后的所有 <p> 元素。 | 2 | ||
[target] | 选择带有 target 属性所有元素。 | 2 | ||
[target=_blank] | 选择 target="_blank" 的所有元素。 | 2 | ||
[title~=flower] | 选择 title 属性包含单词 "flower" 的所有元素。 | 2 | ||
[lang|=en] | 选择 lang 属性值以 "en" 开头的所有元素。 | 2 | ||
a:link | 选择所有未被访问的链接。 | 1 | ||
a:visited | 选择所有已被访问的链接。 | 1 | ||
a:active | 选择活动链接。 | 1 | ||
a:hover | 选择鼠标指针位于其上的链接。 | 1 | ||
input:focus | 选择获得焦点的 input 元素。 | 2 | ||
p:first-letter | 选择每个 <p> 元素的首字母。 | 1 | ||
p:first-line | 选择每个 <p> 元素的首行。 | 1 | ||
p:first-child | 选择属于父元素的第一个子元素的每个 <p> 元素。 | 2 | ||
p:before | 在每个 <p> 元素的内容之前插入内容。 | 2 | ||
p:after | 在每个 <p> 元素的内容之后插入内容。 | 2 | ||
p:lang(it) | 选择带有以 "it" 开头的 lang 属性值的每个 <p> 元素。 | 2 | ||
p~ul | 选择前面有 <p> 元素的每个 <ul> 元素。 | 3 | ||
a[src^="https"] | 选择其 src 属性值以 "https" 开头的每个 <a> 元素。 | 3 | ||
a[src$=".pdf"] | 选择其 src 属性以 ".pdf" 结尾的所有 <a> 元素。 | 3 | ||
a[src*="abc"] | 选择其 src 属性中包含 "abc" 子串的每个 <a> 元素。 | 3 | ||
p:first-of-type | 选择属于其父元素的首个 <p> 元素的每个 <p> 元素。 | 3 | ||
p:last-of-type | 选择属于其父元素的最后 <p> 元素的每个 <p> 元素。 | 3 | ||
p:only-of-type | 选择属于其父元素唯一的 <p> 元素的每个 <p> 元素。 | 3 | ||
p:only-child | 选择属于其父元素的唯一子元素的每个 <p> 元素。 | 3 | ||
p:nth-child(2) | 选择属于其父元素的第二个子元素的每个 <p> 元素。 | 3 | ||
p:nth-last-child(2) | 同上，从最后一个子元素开始计数。 | 3 | ||
p:nth-of-type(2) | 选择属于其父元素第二个 <p> 元素的每个 <p> 元素。 | 3 | ||
p:nth-last-of-type(2) | 同上，但是从最后一个子元素开始计数。 | 3 | ||
p:last-child | 选择属于其父元素最后一个子元素每个 <p> 元素。 | 3 | ||
:root | 选择文档的根元素。 | 3 | ||
p:empty | 选择没有子元素的每个 <p> 元素（包括文本节点）。 | 3 | ||
#news:target | 选择当前活动的 #news 元素。 | 3 | ||
input:enabled | 选择每个启用的 <input> 元素。 | 3 | ||
input:disabled | 选择每个禁用的 <input> 元素 | 3 | ||
input:checked | 选择每个被选中的 <input> 元素。 | 3 | ||
:not(p) | 选择非 <p> 元素的每个元素。 | 3 | ||
::selection | 选择被用户选取的元素部分。 | 3 | ||
