數據採集中HTML常見標籤及屬性如下：
| 標籤 | 說明 | 舉個栗子 |
|---|---|---|
| html | html文檔 | <html class="" lang="zh\-cmn\-Hans"> |
| head | 頭部 | |
| title | 文檔標題 | |
| body | 文檔主體 | |
| h1 | 標題 | " |
| 豆瓣電影 Top 250 | ||
| " | ||
| p | 段落 | " <p class=""""> |
| 導演: 弗蘭克·德拉邦特 Frank Darabont 主演: 蒂姆·羅賓斯 Tim Robbins | ||
| 1994 / 美國 / 犯罪 劇情 | ||
| " | ||
| br | 換行 | |
| hr | 水平線 | |
| a | 錨 | " <a class="“nav-login”" href="“https://accounts.douban.com/passport/login?source=movie”" rel="“nofollow”"> |
| 登錄/註冊 | ||
| " | ||
| link | 外部鏈接 | |
| nav | 導航鏈接 | |
| b | 粗體字 | |
| abbr | 縮寫 | |
| cite | 引用citation | |
| blockquote | 長引用 | |
| q | 短引用 | " <p class="“qrcode”"> |
| 掃碼直接下載 | ||
| " | ||
| fieldset | ||
| meta | <meta content=“text/html; charset=utf-8” http-equiv=“Content-Type”/> | |
| script | " <script type="“text/javascript”"> | |
| var _body_start = new Date(); | ||
| " | ||
| em | 強調文本 | " <em class=""""> |
| 1 | ||
| " | ||
| 節 | ||
| style | 文檔樣式 | " <style type="“text/css”"> |
| img { max-width: 100%; } | ||
| " | ||
| div | 文檔的節 | |
| span | 文檔的節 | 更多 |
| section | 區域 | |
| article | 文章 | |
| details | 元素細節 | |
| dialog | 對話框 | |
| 多媒體 | ||
| img | 圖像 |  |
| audio | 聲音 | |
| source | 媒介源 | |
| 表單 | ||
| form | 供輸入的表單 | |
| input | 文本框 | |
| 框架 | ||
| iframe | 內聯框架 | |
| frame | 框架集的窗口或框架 | |
| 列表 | ||
| ul | 無序列表 | |
| ol | 有序列表 | |
| li | 列表項目 | " <li class="“on”"> |
| 電影 | ||
| " | ||
| 表格 | ||
| table | 表格 | |
| caption | 表格標題 | |
| th | 表頭單元格 | |
| tr | 表格行 | |
| td | 表格單元 | |
| thead | 表頭內容 | |
| tbody | 表格主體內容 | |
| col | 一列或多列的屬性值 |