python爬取准备一了解HTML-创新互联

网页源码

为项城等地区用户提供了全套网页设计制作服务，及项城网站建设行业解决方案。主营业务为网站建设、成都网站建设、项城网站设计，以传统方式定制建设网站，并提供域名空间备案等一条龙服务，秉承以专业、用心的态度为用户提供真诚的服务。我们深信只要达到每一位用户的要求，就会得到认可，从而选择与我们长期合作。这样，我们也可以走得更远！

打开网页，按快捷键【Ctrl+U】打开源码页面

HTML
HTML 是整个网页的结构，相当于整个网站的框架。带“＜”、“＞”符号的都是属于 HTML 的标签，并且标签都是成对出现的

常见的标签如下：

.. 表示标记中间的元素是网页
.. 表示用户可见的内容
..
 表示框架
..
 表示段落
..
表示列表
..表示图片
..
表示标题
..表示超链接

HTML
html示例
本地超链接可以为相对路径，也可以为绝对路径。
图片的地址可以为相对路径，也可以为绝对路径。

    
    
          
    
    
          
   
              
这是标题
   
              
这是正文
   
          
 
          
    
              
     
                  
这是一个列表
       
                  
这是一个网络超链接
                  
这是一个本地超链接
      
                  
下面这个是一张图片
           
                             
              
        
         
      
    
    

输入代码后，保存记事本，然后修改文件名和后缀名为"HTML.html"，效果如下：

爬虫的合法性

每一个网站都有一个名为 robots.txt 的文档，当然也有部分网站没有设定 robots.txt。对于没有设定 robots.txt 的网站可以通过网络爬虫获取没有口令加密的数据，也就是该网站所有页面数据都可以爬取。如果网站有 robots.txt 文档，就要判断是否有禁止访客获取的数据。

允许部分爬虫访问它的部分路径，而对于没有得到允许的，则全部禁止爬取

另外有需要云服务器可以了解下创新互联cdcxhl.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。

文章题目：python爬取准备一了解HTML-创新互联
网站链接：http://cdxtjz.cn/article/pgjod.html