1. HTML
HTML是用来描述网页的一种语言，其全称叫做作Hyper Text Markup Language，翻译过来就是超文本标记语言。HTML是一种标签语言，我们可以通过一个简单的例子来直观感受一个什么是HTML，在桌面上新建一个文本文件，复制以下内容到文件中，并将文件后缀改为”。html“
用浏览器打开可呈现以下页面：
这就是最简单的HTML实例，HTML文档要遵守一定的格式规范，如果想了解更多关于HTML的内容可以访问如下链接：HTML教程|菜鸟教程。
在HTML中，所有标签定义的内容都是节点，它们构成一个HTML DOM树，DOM是W3C（万维网联盟）的标准，英文全称Document Object Model，即文档对象模型。它定义了访问HTML和XML文档的标准。更多关于HTML DOM的内容可以访问如下链接：HTML DOM教程|菜鸟教程。
通过HTML DOM，树中所有节点都可以通过javaScript访问，所有节点都可以被创建、修改或删除。节点树中的节点彼此拥有层级关系，通常用父（parent）、子（child）和兄弟（sibing）等术语描述这些关系。
可以看到网页中不同类型的元素通过不同类型的标签来表示，例如title元素内容显示在标题栏中，body元素内容显示在浏览器中，各种标签通过不同的排列嵌套才形成网页框架。
在Chrome浏览器中打开百度，右击并选择”检查“项打开开发者模式，这时在Elements选项卡中可以看到网页的源代码：这就是HTML，这些标签定义的节点元素相互嵌套组合形成了复杂的层次关系，从而形成了网页的架构。
2. CSS
HTML定义了网页的结构，但是只有HTML页面并不美观，可能只是简单的节点元素的排列，为了让网页看起来更加美观，这里借助了CSS。
CSS英文全称Cascading Style Sheets，即层叠样式表，是一种用来表现HTML或XML（标准通用标记语言的一个子集）等文件样式的计算机语言，可以对网页的文字大小、颜色、元素间距、排列等格式进行样式处理，上图中右侧即为一个CSS，例如：
就是一个CSS样式，大括号前面是一个CSS选择器，大括号内部是一条条样式规则，例如position指定了这个元素的布局方式为绝对布局，bottom指定元素的下边距为40像素，width指定了宽度为100%占满父元素，height指定元素的高度。也就是说，我们将位置、宽度、高度等样式配置统一写成这样的样式，然后用大括号括起来，接着在大括号前加上CSS选择器，就表示选择器选中的这个元素就会根据这个样式来显示了。
3. JavaScript
JavaScript简称js，是一种脚本语言，我们在网页里可能看到一些交互和动画效果，如下载进度条、提示框等，这通常就是JavaScript的功劳。
JavaScript通常也是以单独的文件形式加载的，后缀为。js，在HTML中通过script便签即可引入，例如：
如果我们把互联网比作一张大的蜘蛛网，那一台计算机上的数据便是蜘蛛网上的一个猎物，而爬虫程序就是一只小蜘蛛，沿着蜘蛛网抓取自己想要的猎物/数据，流程如下图：简单来说，爬虫就是获取网页并提取和保存信息的自动化程序，下面来简要介绍一下上图。
1. 发起请求
爬虫首先要做的工作就是获取网页，前一章讲了请求和响应的概念，向网站的服务器发起一个请求，首先要构造的就是网站的URL，其次构造请求方式，如果是GET请求，有时需要在URL中添加参数，如果网站设置了反爬措施，我们需要在请求头中伪造User-Agent，让服务器以为这是由浏览器发起的请求，然后就可以获取响应内容。
2. 获取响应内容
从服务器返回的数据，有时候可能是网页的源代码、也可能是一串json字符串，但它们都是一个完整的响应，即包括请求头、请求体等内容，如果我们需要从服务器获得我们想要的数据，就需要根据服务器返回的内容制定不同的爬取策略和解析方式。
3. 解析内容
获取网页的响应后，接下来就是分析网页源代码，从中获取我们想要的数据。首先，最通用的方法便是通过正则表达式提取，这是一个万能的方法，但是在构造正则表达式时比较复杂且容易出错。
另外，由于网页的结构有一定的规则，所以还要一些根据网页节点属性、CSS选择器或XPath获取网页信息的库。使用这些库，我们可以高效地从中提取网页信息。
4. 保存数据
提取信息后，我们一般会将提取到的数据保存到某处以便后续使用。我们可以简单将数据保存为TXT文本或JSON文本，也可以保存到数据库，如MySOL或MongoDB等。
如果您觉得本文的内容对您的学习有所帮助：
关键字：
jquery