python抓取动态网页(就是网站的概念与具体讲解网页的构成的区别？)

　　python抓取动态网页(就是网站的概念与具体讲解网页的构成的区别？)

　　网页是可以被浏览器等客户端解析的文件。与我们通常遇到的文件不同的是：网页植根于互联网。也就是说，我们通过浏览器浏览的大部分网页文件都不是本地的，它可能在世界上任何一台联网的电脑上。而且，通过互联网上的超链接，我们可以在世界任何一个角落浏览网页文件，也就是我们通常所说的上网，足不出户就能融入整个世界。

　　爬虫爬取的数据其实就是网页上的内容。本节我们会讲到具体的爬取原理。我们先来看看网站的概念：

　　1. 网站 的概念

　　在详细解释网页的结构之前。我们需要先了解 网站 的概念。

　　网站 是多个向外界提供服务的网页的集合。主要分为静态网站和动态网站。

　　1.1 静态网站

　　静态 网站 表示 网站 下的所有页面都是使用 HTML网站 构建的。所谓静态并不意味着网页是静态的，网页中还可以有*敏*感*词*、视频等信息。这里的静态是指无法与服务器交互。只是被动解析显示服务器端响应返回的信息。

　　静态网站的优点：

　　便于收录搜索，方便SEO优化。内容独立，不依赖于数据库。

　　静态网站的缺点：

　　维护成本比较高，大部分内容需要人工手动更新。该页面不是交互式的，用户体验很差。

　　1.2 个供稿网站

　　动态网站相比静态网站，可以提供更多的交互体验。比如用户注册登录、实时推荐等功能。动态 网站 不仅收录静态 HTML 文件，还收录服务器端脚本，如 Jsp、Asp 等。

　　动态网站的优点：

　　用户体验好，可以实现更多的个性化设置。服务端可以和客户端进行更多的交互，方便服务端管理和分析数据。

　　动态网站的缺点：

　　需要处理数据库，访问速度大大降低。对搜索引擎不友好。

　　无论是静态网站中的网页还是动态网站中的网页，都有一些共同的基本内容。让我们看一下网页的三个基本元素：

　　2. 网页的三个基本元素：

　　在接下来的章节中，我们将详细介绍网页的三个基本要素。在这里，我们只简要介绍一些基本概念和用途。

　　2.1 个 HTML

　　HTML 是一种标记语言。标记语言不是编程语言，它不能以逻辑编程的方式进行编程。它只是就如何呈现文件达成一致。通过对不同标签所代表的不同含义达成一致，在浏览器端渲染出丰富多彩的网页。它主要包括两个部分：头部和主体。HTML 主要负责页面的结构。

　　2.2 CSS

　　级联样式表，有时称为样式表。需要配合HTML使用，才能提供丰富的渲染效果。

　　2.3 Javascript

　　它是一种广泛用于前端逻辑实现的脚本语言。很多自定义效果都可以通过 javascript 来实现，javascript 是前端使用最广泛的编程语言。

　　综上所述，HTML、CSS、Javascript共同构成了丰富的网页样式。三者缺一不可。没有HTML、CSS、Javascript，就是无源之水，毫无意义；没有 CSS，网页将失去颜色和样式，最终会使 HTML 变得相同；没有 Javascript，我们无法看到动态网页。，只是一潭死水。

　　3. 爬取原理

　　爬虫爬取的数据其实就是网页上的内容。我们需要通过特定的工具来分析网页，比如Beautiful Soup。然后提取 HTML 中特定标签下的数据。然后，将数据持久化并保存，以方便未来的数据分析。

　　简单来说，我们使用爬虫，最根本的目的就是在网页中爬取对我们有价值的信息和数据。因此，我们大部分的爬取工作就是过滤我们的有用信息，剔除无用信息。这是爬虫的核心。

　　4. 总结

　　通过本节，我们了解了网页的基本要素。在使用爬虫的过程中，我们需要随时随地分析网页的构成要素。分析很有帮助。