html源碼獲取方法-tft每日頭條

　　超文本标記語言（Hyper Text Markup Language，簡稱為HTML）是一種創建網頁的标準标記語言。這不是一個編程語言，而是一個标記語言，使用各種标簽來描述一個頁面的樣子，作為一個數據分析入門學習者，我們不需要完全學會怎麼編寫，怎麼調試，隻需要我們會看的懂，然後知道定位到我們需要的内容就即可。

　　網頁組成

　　一個網頁通常是由HTML元素、CSS樣式和JavaScript腳本組成，但是對于數據采集來說，有用的隻有HTML元素。通俗一點講，網頁就是一個房子，html就是簡單的毛坯，CSS就是給房子來個精裝修，Js腳本就是給房子通上了水電。要是把房子的精裝修拆除，房子也可以用，就是有點難看，網頁也是一樣，把CSS樣式拿走，内容還在，但是就不太美觀。一個網頁的大體結構如下：

　　title頁面标題/titlescript src=jquery-2.2.0.min.js/scriptlink type=text/css rel=stylesheet href=style.css /headbodyh1這是标題段落1 段落2 /body/html

　　由标簽和/html分别開頭和結尾。隻有/body的部分才會在浏覽器顯示出來，/head部分通常是寫一些配置或者引入一些css或者js文件。

　　HTML标簽 上面的網頁示例中有很多的标簽，比如說，這表示一個段落，通常标簽都是成對的。但是也有一些隻有單個，沒有結束标簽，比如： link br等。這是需要了解到的，我們需要知道這些标簽是表達的什麼，裡面存放的什麼内容，好比我們需要知道一套房子每個房間是幹啥的，這樣的話，是去做飯還是去睡覺，都可以找到對的房間。數據采集的時候也是一樣，需要知道我們的要找的東西在哪個标簽下存放着，下表中例舉幾個常見的标簽。

　　 html源碼獲取方法（數據獲取認識HTML代碼）(1)

　　HTML屬性 屬性是為了給HTML标簽增加了更豐富的信息，而且需要在開始标簽中定義。比如最常用的超鍊接

　　a href=http://www.mlscoder.cn馬拉松程序員

　　很多時候，需要獲取某一頁面中的所有超鍊接，就是通過尋找所有标簽中的href屬性中的值，來得到結果。在Html中需要重點認識的屬性有下面5個

屬性名	屬性含義
class	表示元素的一個或多個類名
id	表示元素在頁面的中唯一id
style	表示元素的行内css樣式，高于class中樣式
title	表示元素内的額外信息，鼠标懸停顯示
type	表示元素的類型，一般配合input标簽使用

上述5個元素的屬性是最常見的，也是後面重點使用的，需要了解屬性的用途。比如說要找到class為“col-10”的元素，或者href中包含www.mlscoder.cn開頭的所有鍊接，都是需要依靠标簽的屬性key和value來判斷。