URI的全称为 Uniform Resource Identifier，即统一资源标志符
URL的全称为 Universal Resource Locator，即统一资源定位符
URN的全称为 Universal Resource Name，即统一资源名称
URI包括URL和URN，后两者是前者的子集。在目前的互联网中，URN用得非常少，所以几乎所有的URI都是URL，一般的网页链接我们既可以称为URL， 也可以称为URI
超文本，其英文名称叫作
hyper text
我们在浏览器里看到的网页就是超文本解析而成的
其网页源代码是一系列HTML代码
URL的开头会有http或https，这就是访问资源需要的协议类型
有时，我们还会看到ftp、sftp、smb开头的URL，它们都是协议类型
在爬虫中，我们抓取的页面通常就是http或https协议的
HTTP的全称是 Hyper Text Transfer Protocol，中文名叫作超文本传输协议。HTTP协议是用于从网络传输超文本数据到本地浏览器的传送协议，它能保证高效而准确地传送超文本文档。HTTPS的全称是 Hyper Text Transfer Protocol over Secure Socket Layer，是以安全为目标的HTTP通道，简单讲是HTTP的安全版，即HTTP下加入SSL层，简称为HTTPS
GET和POST请求方法有如下区别：
1、GET请求中的参数包含在URL里面，数据可以在URL中看到，而POST请求的URL不会包含这些数据，数据都是通过表单形式传输的，会包含在请求体中
2、GET请求提交的数据最多只有 1024 字节，而POST方式没有限制
一般来说，登录时需要提交用户名和密码，其中包含了敏感信息，使用
GET方式请求的话， 密码就会暴露在URL里面，造成密码泄露，所以这里最好以POST方式发送；上传文件时，由于文件内容比较大，也会选用POST方式，我们平常遇到的绝大部分请求都是GET或POST请求
网页可以分为三大部分：
HTML、CSS和JavaScript。如果把网页比作一个人的话，HTML相当于骨架，JavaScript相当于肌肉，CSS相当于皮肤，三者结合起来才能形成一个完善的网页
在
HTML中，所有标签定义的内容都是节点，它们构成了一个HTML DOM树。DOM是W3C（万维网联盟）的标准，其英文全称Document Object Model，即文档对象模型，它定义了访问HTML和XML文档的标准：
1、整个文档是一个文档节点
2、每个 HTML元素是元素节点
3、HTML元素内的文本是文本节点
4、每个 HTML 属性是属性节点
5、注释是注释节点
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。我们可以把互联网比作一张大网，而爬虫便是在网上爬行的蜘蛛。把网的节点比作一个个网页，爬虫爬到一个节点就相当于访问了该页面，获取了其信息。可以把节点间的连线比作网页与网页之间的链接关系，这样蜘蛛通过一个节点后，可以顺着节点连线继续爬行到达下一个节点，即通过一个网页继续获取后续的网页。这样整个网的节点便可以被蜘蛛全部爬行到，网站的数据就可以被抓取下来了。
网友评论