- 通用网络爬虫
- 聚焦网络爬虫
- 增量式网络爬虫
- 深层网络爬虫
- 获取初识URL
- 爬取页面获取新的URL
- 将新的URL放到URL队列中
- 读取新的URL下载网页
- 重复上述爬取过程（2、3、4）直到满足停止条件
- Anaconda（Python3）
- Pycharm
HTML 定义网页的内容
CSS 描述网页的样式
JavaScript 描述网页的行为
HTTP：超文本传输协议
建立链接-请求-应答-关闭连接
GET：指定页面
POST：提交数据、处理请求
HEAD：获取报文头部信息
PUT：传送数据，替代文档内容
DELETE：请求服务器删除指定页面
OPTION：允许客户端查看服务器内容
1** 信息
2** 成功
3** 重定向
4** 客户端错误
5** 服务器错误
文档类型
根标签
头标签
在网页中插入图片
主体标签
HTML的基本标签
- 文件开始标签html
- 文件头部标签head
- 文件标题标签title
- 元信息标签meta
- 页面主体标签body
| 属性 | 描述 |
|---|---|
| text | 设定页面文字的颜色 |
| bgcolor | 设定页面背景的颜色 |
| background | 设定页面背景的图像 |
| bgproperties | 设定页面背景的图像为固定，不随页面的滚动而滚动 |
| link | 设定页面默认的连接颜色 |
| alink | 设定鼠标正在点击时的连接颜色 |
| vlink | 设定访问过后的连接颜色 |
| topmargin | 设定页面的上边距 |
| leftmargin | 设定页面的左边距 |
p标签
[att=val]{}
类和ID选择器
#intro{color}
.intro{color}
2.4 JavaScript动态脚本语言
在页面中直接链接JavaScript代码
属性值：
| 属性值 | 说明 |
|---|---|
| language | 设置所使用的脚本语言及版本 |
| src | 设置一个外部脚本文件的路径位置 |
| type | 设置所使用的脚本语言，此属性已代替language语言 |
| defer | 当HTML文档加载完毕后再执行脚本语言 |
