oeasy爬虫003html语言基础_元素_标签_节点原创

我们上回呢，导入了request，然后呢，发送了一个盖子请求，然后得到了这个response，得到一堆什么呀，得到一堆字符串，这字符串是什么呢？我们再来看一下。首先我们先把安X提起来，哎，这是个什么网站服务器网站服务器就可以访问这个网站了，什么网站呢？Local host的本地的网站。本地的网站，然后我们把它右键查看源文件，可以看到它是一个什么，它是一个纯文本文件，再跑一遍这个流程啊，导入一个requests。请求。然后这个requests用get方法去得到谁呢？得到这个local host, 就是这个本地的这个网站。得到本地网站之后呢，我们可以得到得到一个response，我们把这个response怎么样付给这个R啊，它的状态码是200是ok2.text是什么呀，就是这个。

纯文本的这个网页源文件整个就对应起来了，也就是说这个网页的源文件其实就是这个run response响应的文本是吧？响应文本，这响应的文本是什么呢？是一个HTML的原文件，什么是HTML呢？HTML全称hypertex macupb language超文本标记语言，是一个标记性语言，哎，用什么标记呢？用标签标记，前面一个开始标签，后边一个结束标签。就把这整个包裹起来了，哎，那里面有什么呢？Hide开始标签，Hide结束，标签又包一层，哎，它是一层一层的容器。那把这个文档就做成什么呢？做成一棵树，这棵树叫什么树，Dormitory document object model.根水S苗，左边是head，右边是body，然后head里面有title，它是一层一层容器的，这种感觉看起来啊，这有点复杂，咱们简单一点。

就一个根儿俩汁儿，一个HTL，一个汁儿是hide，一个汁儿是body是吧？在这个基础之上就可以开枝散叶，那我想问访问一个自定义的网页行不行呢？编辑一个O，一点点XL文件，把这个文件拿过来，把它保存起来，保存起来它在哪儿啊？它在当前这个目录下，那NGX就是我们网网页服务器在哪儿呢？VSNGX呢？它在。这个目录下是吧，这个目录下，那我得把这个东西拷回去，拷过去是吧，我们把这个代码呢，复制出来，粘贴过去。我们可以看到一开始的时候，我们看看NX那个目录底下有两个文件，对吧？当我用管理员的方式拷贝当前目录的o ez到NGX目录下之后呢，NGX下面就多了一个文件，那我们试试用火狐去打开，那是可以访问的，对吧？可以访问F12。

我们调到网络模式，然后再去刷新，注意这儿出现一个什么304，这304是什么呢？是状态码代表什么呀，代表。没有更新，没有更新。除了304还有什么？还有404，还有200，这些都是响应的状态码啊，也就是说我们发送一个请求，接收一个响应，就会得到这个响应的状态码源源文件是一个纯文本，但是纯文本是用字节存储的，说白了是一个字节序列，那这一堆字节是怎么变成我们看到的这种有大有小有编号的网页的呢？它就要经历一个浏览器的渲染过程。怎么渲染的？首先需要分词，你这一堆字儿，谁是谁，谁跟谁组在一起，是不是得分词儿啊？分针词呢，再根据这个语义生成一棵语义树，然后再把这个语义树根据CSS的。

解析渲染成最终的画面啊，H苗就是我们的文档数，CSS呢就是我们的样式表，那爬虫用不用渲染呢？爬虫不用渲染，爬虫只要把这一堆字节扒下来就可以，但是呢，这一堆字节里面我要摘出我想要的内容，要摘出豆汁儿，羊鞭汤，折耳根，那就得从这棵树里边儿捋捋捋，捋到这个汁儿上，捋到这个印儿上，把这个内容摘出来，有些有用，有些没用，我把有用的摘出来才是。爬虫的作用。那怎么把这一大堆字节变成一棵树，并且顺着枝摘果子呢？我们下次再说哦，Ez交上。