1 什么是HTML
HTML（Hypertext Markup Language）是一种标记语言，用于创建和呈现网页。它是构建网页的基础，并且具有简单易学的语法规则。HTML以标签为基本单位，通过嵌套和属性来描述和格式化网页上的内容和结构。
HTML最初由蒂姆·伯纳斯-李（Tim Berners-Lee）在1990年创造，旨在促进信息共享和互联网上各种文档之间的链接。如今，HTML成为了万维网的核心技术之一，被广泛应用于网页制作、网站开发和跨平台内容交互等领域。
网页由三部分组成：
- 内容（结构）：是我们在页面中可以看到的数据。我们称之为内容。一般内容我们使用html技术来展示。
- 表现：指的是这些内容在页面上的展示形式。比如说。布局，颜色，大小等等。一般使用CSS技术实现。
- 行为：指的是页面中元素与输入设备交互的响应。一般使用javascript技术实现。
每一个网页显示的元素都是由HTML代码构成的，我们可以通过下图的操作看到HTML代码，我们爬虫正是要获得这些代码，通过解析获得我们想要的数据。
2 为什么要学习HTML
学习爬虫时，学习HTML（Hypertext Markup Language）是非常重要的，因为HTML是构建网页的基础标记语言。了解和掌握HTML对于理解网页结构、获取网页内容以及编写高效的爬虫程序至关重要。
- 网页结构理解：学习HTML可以帮助我们了解网页的结构，包括标签、元素、属性等。在爬虫中，我们需要解析网页的结构来定位所需的数据，而HTML提供了各种标签和嵌套规则，通过学习HTML可以更好地理解页面的组成部分和它们之间的层次关系。
- 页面内容抓取：学习HTML可以帮助我们抓取网页上的内容。网页中的各种文本、图片、链接、表格等信息都是通过HTML标记来定义和呈现的，了解HTML语法和元素可以有效地筛选出我们需要的数据，并将其提取到爬虫程序中进行后续处理和分析。
- 元素属性识别：HTML标签通常有一些属性，这些属性可以提供有关元素的额外信息，如id、class、href等。通过学习HTML，我们可以学会如何利用这些属性来定位和识别特定的网页元素。在爬虫中，准确定位需要抓取的数据是非常重要的，而HTML标签的属性可以帮助我们精确地找到目标信息。
- 网页动态内容：现代网页通常包含大量的JavaScript代码，用于动态生成和更新页面内容。学习HTML可以让我们理解与JavaScript交互时网页的变化。当我们遇到需要爬取动态加载的页面时，对HTML的基本了解可以帮助我们分析网页结构以及JavaScript代码的作用，从而编写适应性强的爬虫程序。
- 错误处理和调试：学习HTML可以使我们更好地处理和调试爬虫程序中的错误。当爬虫程序无法正常工作或者抓取到错误的数据时，对HTML的理解可以帮助我们迅速定位问题所在，并针对性地进行修复和调试。
总之，学习HTML对于爬虫开发人员来说，是掌握有效抓取网页内容的基础。它不仅能帮助我们理解网页的结构、获取所需的数据，还能提高爬虫程序的稳定性和效率。通过学习HTML，我们可以更好地应对各种不同类型的网页，并编写出功能强大且适应性广泛的爬虫程序。因此，在学习爬虫时，HTML是一项必不可少的技能。
3 标签的介绍
- 标签格式
<标签名>封装的数据</标签名>
- 标签名大小写不敏感
- 标签拥有自己的属性
<!--1.基本属性（可以修改简单的样式效果）--> bgcolor = "red" <!--2.事件属性（可以直接设置事件影响后的代码）--> onclick = "alert('你好');"
- 标签分为单标签和双标签
<!--1.单标签--> <br/> <!--2.双标签--> <标签名>封装的数据</标签名>
4 标签的语法
- 标签不能交叉嵌套，例如：
正确：<div><span>正确的</span></div> 错误：<div><span>错误的</div></span> <!--Element span is not closed-->
- 标签必须正确关闭(闭合) ，例如：
正确：<div>正确的</div> 错误：<div>错误的（后面少了结束标签）
- 单标签一定要带上自结束符
- 属性必须有值，且值要加引号
正确：<font color="blue">正确的</font> 错误：<font color=blue>错误1</font> 错误：<font color>错误2</font>
- 注释不能嵌套
正确：<!-- 注释内容 --> <br/> 错误：<!-- 注释内容 <!-- 注释内容 -->-->
但是，浏览器往往都带有自动修复功能，面对各种语法错误，浏览器会尽可能的帮我们表达出我们想要表达的意思，所以有时候即使出现语法错误，在浏览器中也不会表现出来。
5 常用标签
- 当我们在IDE创建一个HTML文件，它会自动生成一个框架代码：
<!DOCTYPE html> <!-- HTML页面的开始 --> <html lang="en"> <!-- 指定网页的语言 --> <head> <!-- 头信息 --> <meta charset="UTF-8"> <!-- 指定网页的字符编码 --> <title>Title</title> <!-- 标题 --> </head> <body> <!-- 页面的主体内容 --> Html 的代码注释 <!-- 这是 html 注释，可以在页面右键查看源代码中看到 --> </body> </html> <!-- HTML页面的开始 -->
当我们改变title的值，就可以改变网页打开时的标签题目。例如：
<title>我是标题</title>
效果：
- font（字体）标签，它可以用来修改文本的字体,颜色,大小(尺寸)。例如：
<font color="red" face="宋体" size="7">我是字体标签</font>
color属性修改颜色；face属性修改字体；size属性修改文本大小
- 特殊字符
<!-- 常用的特殊字符: < ===>>>> < > ===>>>> > 空格 ===>>>> --> 我是<br>标签<br/> H T M L
- 标题标签
<!-- 标题标签 h1 - h6 都是标题标签 h1 最大 h6 最小 align 属性是对齐属性 left 左对齐(默认) center 剧中 right 右对齐 --> <h1 align="left">111</h1> <h2 align="center">222</h2> <h3 align="right">333</h3> <h4>444</h4> <h5>555</h5> <h6>666</h6>
- 超链接标签
<!-- a标签是 超链接 href属性设置连接的地址 target属性设置哪个目标进行跳转 _self 表示当前页面(默认值) _blank 表示打开新页面来进行跳转 --> <a href="http://localhost:8080">按钮</a><br/> <a href="http://localhost:8080" target="_self">按钮_self</a><br/> <a href="http://localhost:8080" target="_blank">按钮_blank</a><br/>
- img标签
<!--img标签是图片标签,用来显示图片 src属性可以设置图片的路径 width属性设置图片的宽度 height属性设置图片的高度 border属性设置图片边框大小 alt属性设置当指定路径找不到图片时,用来代替显示的文本内容 在JavaSE中路径也分为相对路径和绝对路径. 相对路径:从工程名开始算 绝对路径:盘符:/目录/文件名 在web中路径分为相对路径和绝对路径两种 相对路径: . 表示当前文件所在的目录 .. 表示当前文件所在的上一级目录 文件名 表示当前文件所在目录的文件,相当于 ./文件名 ./ 可以省略 绝对路径: 正确格式是: http://ip:port/工程名/资源路径 错误格式是: 盘符:/目录/文件名 --> <img src="1.jpg" width="200" height="260" border="1" alt="图片找不到"/> <img src="../../2.jpg" width="200" height="260" /> <img src="../imgs/3.jpg" width="200" height="260" /> <img src="../imgs/4.jpg" width="200" height="260" />
- 表格标签
<!--table 标签是表格标签 border 设置表格标签 width 设置表格宽度 height 设置表格高度 align 设置表格相对于页面的对齐方式 cellspacing 设置单元格间距 tr 是行标签 th 是表头标签 td 是单元格标签 align 设置单元格文本对齐方式 b 是加粗标签 colspan 属性设置跨列 rowspan 属性设置跨行 --> <table width="500" height="500" cellspacing="0" border="1"> <tr> <td colspan="2">1.1</td> <td>1.3</td> <td>1.4</td> <td>1.5</td> </tr> <tr> <td rowspan="2">2.1</td> <td>2.2</td> <td>2.3</td> <td>2.4</td> <td>2.5</td> </tr> <tr> <td>3.2</td> <td>3.3</td> <td>3.4</td> <td>3.5</td> </tr> <tr> <td>4.1</td> <td>4.2</td> <td>4.3</td> <td colspan="2" rowspan="2">4.4</td> </tr> <tr> <td>5.1</td> <td>5.2</td> <td>5.3</td> </tr> </table>
- iframe标签
我是一个单独的完整的页面<br/><br/> <!--iframe标签可以在页面上开辟一个小区域显示一个单独的页面 iframe和a标签组合使用的步骤: 1 在iframe标签中使用name属性定义一个名称 2 在a标签的target属性上设置iframe的name的属性值 --> <iframe src="3.标题标签.html" width="500" height="400" name="abc"></iframe> <br/> <ul> <li><a href="0-标签语法.html" target="abc">0-标签语法.html</a></li> <li><a href="1.font标签.html" target="abc">1.font标签.html</a></li> <li><a href="2.特殊字符.html" target="abc">2.特殊字符.html</a></li> </ul>
- 列表标签
<!--ul 是无序列表 type属性可以修改列表项前面的符号 li 是列表项 ol表示有序列表 --> <ul type="none"> <li>一</li> <li>二</li> <li>三</li> <li>四</li> </ul> <ol> <li>一</li> <li>二</li> <li>三</li> <li>四</li> </ol>
- 其他标签
<!-- div标签 默认独占一行 span标签 它的长度是封装数据的长度 p段落标签 默认会在段落的上方或下方各空出一行来（如果已有就不再空） --> <div>div标签1</div> <div>div标签2</div> <span>span标签1</span> <span>span标签2</span> <p>p段落标签1</p> <p>p段落标签2</p>
效果：
- 表单标签
<!-- form标签就是表单 input type=text 是文件输入框 value设置默认显示内容 input type=password 是密码输入框 value设置默认显示内容 input type=radio 是单选框 name属性可以对其进行分组 checked="checked"表示默认选中 input type=checkbox 是复选框 checked="checked"表示默认选中 input type=reset 是重置按钮 value属性修改按钮上的文本 input type=submit 是提交按钮 value属性修改按钮上的文本 input type=button 是按钮 value属性修改按钮上的文本 input type=file 是文件上传域 input type=hidden 是隐藏域 当我们要发送某些信息，而这些信息，不需要用户参与，就可以使用隐藏域（提交的时候同时发送给服务器） select 标签是下拉列表框 option 标签是下拉列表框中的选项 selected="selected"设置默认选中 textarea 表示多行文本输入框 （起始标签和结束标签中的内容是默认值） rows 属性设置可以显示几行的高度 cols 属性设置每行可以显示几个字符宽度 提交时： action属性设置提交的服务器地址 method属性设置提交的方式GET(默认值)或POST 表单提交的时候，数据没有发送给服务器的三种情况： 1、表单项没有name属性值 2、单选、复选（下拉列表中的option标签）都需要添加value属性，以便发送给服务器 3、表单项不在提交的form标签中 GET请求的特点是： 1、浏览器地址栏中的地址是：action属性[+?+请求参数] 请求参数的格式是：name=value&name=value 2、不安全 3、它有数据长度的限制 POST请求的特点是： 1、浏览器地址栏中只有action属性值 2、相对于GET请求要安全 3、理论上没有数据长度的限制 --> <form action="http://localhost:8080" method="post"> <input type="hidden" name="action" value="login" /> <h1 align="center">用户注册</h1> <table align="center"> <tr> <td> 用户名称：</td> <td> <input type="text" name="username" value="默认值"/> </td> </tr> <tr> <td> 用户密码：</td> <td><input type="password" name="password" value="abc"/></td> </tr> <tr> <td>性别：</td> <td> <input type="radio" name="sex" value="boy"/>男 <input type="radio" name="sex" checked="checked" value="girl" />女 </td> </tr> <tr> <td> 兴趣爱好：</td> <td> <input name="hobby" type="checkbox" checked="checked" value="java"/>Java <input name="hobby" type="checkbox" value="js"/>JavaScript <input name="hobby" type="checkbox" value="cpp"/>C++ </td> </tr> <tr> <td>国籍：</td> <td> <select name="country"> <option value="none">--请选择国籍--</option> <option value="cn" selected="selected">中国</option> <option value="usa">美国</option> <option value="jp">小日本</option> </select> </td> </tr> <tr> <td>自我评价：</td> <td><textarea name="desc" rows="10" cols="20">我才是默认值</textarea></td> </tr> <tr> <td><input type="reset" /></td> <td align="center"><input type="submit"/></td> </tr> </table> </form> <!--代码来源：尚硅谷-->
注：上面的代码都可以复制到body里面自己看效果，在这里就不演示了。
下一篇文章，我们来说一下Web和HTTP~
