Python 爬虫入门课作业2－ 网页基础与结构分析
2017-07-12 本文已影响97人
不忘初心2017
课堂作业要求
- 选择简书“解密大数据”专题里面上次爬虫课的作业文档地址作为分析页面
- 分析并提交该页面的网页结构分析与元素标签位置信息
作业内容
网页地址：http://www.jianshu.com/p/88d0addf64fa
浏览器：Chrome
HTML 基础
对html有一定基础，但有些元素不太熟悉，浏览页面源码时，摘录学习了下：
- <!DOCTYPE>: 声明文档的类型，以便浏览器知道如何显示该文档。非Html标签。简书的声明是这样的：<!DOCTYPE html>，表示网页至少升级到[HTML5]的第一步。(http://www.w3school.com.cn/html/html5_intro.asp)。
- HTML <meta> 标签：存放描述文档的元信息，比如作者、关键字、文档类型、编码等。简书的编码：<meta charset="utf-8">，支持各种语言显示。
页面结构
这个页面由三大部分组成：
-
顶部导航栏
包含简书的一些基本功能元素，以及用户信息文章入口 -
正文
包含文章正文，作者及支持部分，作者与读者互动评论部分，以及页边栏 -
底部
包含简书的一些推荐内容
图片.png
页面标签位置
根据页面三大部分，在chrome中通过开发者工具，查看各部分对应源码，分析各页面元素位置：
所有的页面内容均包含在 <body lang="zh-CN" class="reader-black-font">
图片.png
- 顶部导航栏
可根据class属性“navbar navbar-default navbar-fixed-top”获取。
<nav class="navbar navbar-default navbar-fixed-top" role="navigation">
如要找到用户标签，可通过下面高亮的路径。
- 正文
所有内容均在<div class="note">标签内
图片.png
- 底部
所有内容均在<div class="note-bottom">内
全局图：
图片.png
