一、网页的组成
网页可以分为三大部分——HTML，CSS 和 JavaScript
1、HTML
HTML：一种用来描述网页的语言——超文本标记语言（Hyper Text Markup Language）。网页包括了文字，土图片，视频和按钮等复杂的元素，其中基础框架就是HTML。不同的元素通过不同的标签来表示，例如：图片img，视频video，段落p，一级标题h1 等。他们之间的分布通常又由 div 嵌套组合而成，通过标签的排序和嵌套才形成了网页框架。
2、CSS
CSS：一个网页排版工具——层叠样式表（Cascading Style Sheets）。即当在HTML中引用了数个样式（文字大小，颜色，元素间距，排列等格式）文件并且发生冲突时，浏览器能依据层叠顺序进行处理。以下给出一个CSS例子：
#head_wrapper.s-ps-islite .s-p-top{
position: absolute;
bottom:40px;
width:100%;
height:181px;
}
其中大括号前是一个CSS选择器。意思为：选中 id 为 head_wrapper 且 class 为 s-ps-islite 的节点。大括号下的就是一条条样式规则，例如：position 指定了元素的布局方式为“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 指定了指定了元素的高度。即我们将这样的样式配置写成这样的格式，然后用大括号括起来，在开头加上CSS选择器，这就代表这个样式对CSS选择器选中的元素生效。
在网页中一般会统一定义整个网页样式规则，并写入CSS文件中（后缀为css）。在HTML中，只需要 link 标签即可引入写好的CSS文件。
3、JavaScpit
JavaScipt：一种脚本语言。如果一个网页中只有 HTML 和 CSS 配合使用，那么这个网页能提供给用户的只有一种静态信息，缺乏交互性。而我们平常在网页中看到的一些交互和动画效果（下载进度条，提示框，轮播图等），通常都是JavaScipt的功劳，它实现了一种实态、动态、互交的页面功能。
JavaScipt通常也是以单独文件形式加载的，后缀为 js ，在HTML中通过 scipt 标签即可引入，例：
<scipt src="jquery-2.1.0.js"></scipt>
二、网页的结构
我们先自己写一个例子，再分析HTML的基本结构。先创建一个 txt 文件（名字自取），写入以下这串代码：
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title> This is a Demo</title>
</head>
<body>
<div id="container">
<div class="wrapper">
<h1 class="title">Hello World(这是一级标题)</h1>
<h2 class="title">Hello World(这是二级标题)</h2>
<p class="text">Hello, this is a paragraph.(这是段落)</p>
</div>
</div>
</body>
</html>
写好后将 txt 文件的后缀改为：.html 并双击打开。
这是一个最简单的HTML例子。开头用 DOCTYPE定义了文档的类型，其次是 html 标签，还有最后的结束标签表示闭合，内部是 head（网页头） 和 body（网页体） 标签，同样也有结束标签。其中 head 中定义了一些网页的配置和引用，例：
<meta charset="utf-8">
指定了网页的编码为UTF-8。
- title 标签定义了网页的标题，显示在网页的选项卡中（不显示在正文）；
- body 标签内则是网页正文中的内容；
- div 标签定义了网页中的区块，其中它的 id 是 container，这是一个非常常用的属性，且 id 的内容在网页中是唯一的，我们可以通过它来获得这个区块；
- 在 id 区块下还有一个 div 标签，它的 class 为 wrapper，这也是一个非常常用的属性，通常与CSS配合使用来定义样式；
- h1 标签为：一级标题；
- h2 标签为：二级标题；
- p 标签为：段落（一个 p 标签表示一个段落）；
一般网页标准形式就是如此，html 标签内嵌套 head 和 body 标签，head 内定义网页的配置和引用，body 标签内定义网页的正文。
三、节点树及节点间的关系
在HTML中，所有标签定义的内容都是节点，他们构成了HTML DOM树。那么什么是DOM？
DOM（Document Object Model） 是 W3C（万维网联盟）的标准，即文档对象模型。它定义了访问 HTML 和 XML 文档的标准（W3C 文档对象模型（DOM）是中立于平台和语言的接口，它允许程序和脚本动态的访问和更新文档内容、结构和样式）。
1、W3C DOM标准被分为3个不同的部分：
- 核心 DOM：针对任何结构化文档的标准模型；
- XML DOM：针对 XML 文档的标准模型；
- HTML DOM：针对 HTML 文档的标准模型；
根据 W3C 的 HTML DOM 标准，HTML文档中的所有内容都是节点
- 整个文档是一个文档的节点；
- 每个 HTML 元素是元素节点；
- HTML 元素内的文本时文本节点；
- 每个 HTML 属性是属性节点；
- 注释是注释节点；
2、HTML DOM 节点树
HTML DOM 将 HTML 文档视作树结构。这种结构被称为节点树，通过 HTML DOM，树中的所有节点均可通过 JavaScript 进行访问。所有 HTML 元素（节点）均可被修改，也可以创建或删除节点。
3、节点父、子和同胞
节点树中的节点彼此拥有层级关系：父（parent）、子（child）和同胞（sibling）等术语用于描述这些关系。父节点拥有子节点。同级的子节点被称为同胞（兄弟或姐妹）。
- 在节点树中，顶端节点被称为根（root）
- 每个节点都有父节点、除了根（它没有父节点）
- 一个节点可拥有任意数量的子
- 同胞是拥有相同父节点的节点
下面的图片展示了节点树的一部分，以及节点之间的关系：
本段参考 W3SCHOOL，链接：https://www.w3school.com.cn/htmldom/dom_nodes.asp
四、选择器
现在我们已经知道网页是由许多节点组成的，CSS选择器会根据不同的节点设置不同的样式规则，那么如何定义节点？
以我们自己写的实例为例子：
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title> This is a Demo</title>
</head>
<body>
<div id="container">
<div class="wrapper">
<h1 class="title">Hello World(这是一级标题)</h1>
<h2 class="title">Hello World(这是二级标题)</h2>
<p class="text">Hello, this is a paragraph.(这是段落)</p>
</div>
</div>
</body>
</html>
三种常见的选择方式：
- 根据 id 进行筛选：在 div 节点中的 id 为container，那么就可以表示为 #contairner，其中 #开头表示选择 id，其后紧跟 id 的名称；
- 根据 class 进行筛选：如果我们想选择 class 为 wrapper 的节点，就可以使用 .wrapper，这里的（.）开头代表选择 class，其后紧跟 class 的名称；
- 根据标签名筛：想要选择二级标题，直接用 h2 即可；
- 另外CSS选择器还支持嵌套选择，各个选择器之间加上空格分隔便可以代表嵌套关系，例：
#container .wrapper p
代表先选择 id 为 container 的节点，然后选中其内部的 class 为 wrapper 的节点，然后再选择内部的 p 节点。
- 如果不加空格则表示并列关系，如：
div#container .wrapper p.text
代表先选择 id 为 container 的 div 节点，然后选中其内部的 class 为 wrapper 的节点，再进一步选中中内部的 class 为 text 的 p 节点。
下面附上CSS选择器的部分语法：
| 选择器 | 例子 | 例子描述 |
|---|---|---|
| .class | .intro | 选择 class=“intro” 的所有节点 |
| #id | #firstname | 选择 id=“firstname”的所有节点 |
| * | * | 选择所有节点 |
| element | p | 选择所有 p 节点 |
| element , element | div , p | 选择所有 div 节点和所有 p 节点 |
| element element | div p | 选择 div 节点内的所有 p 节点 |
| element>element | div>p | 选择父节点为 div 节点的所有 p 节点 |
| element+element | div+p | 选择紧接在 div 节点之后的所有 p 节点 |
| [ attribute ] | [ target ] | 选择带有 target 属性的所有节点 |
| [ attribute=value ] | [ target=blank ] | 选择带有 target=“blank” 的所有节点 |
| [ attrubute~=value ] | [ title~=flower ] | 选择 title 属性包含单词 flower 的所有节点 |
| : link | a : link | 选择所有未被访问的链接 |
| : visited | a : visited | 选择所有已被访问的链接 |
| : active | a : active | 选择活动链接 |
| : hover | a : hover | 选择鼠标指针位于其上的链接 |
| : focus | input : focus | 选择获得焦点的 input 节点 |
| : first-letter | p : first-letter | 选择每个 p 节点的首字母 |
| : first-line | p : first-line | 选择每个 p 节点的首行 |
| : first-child | p : first-child | 选择属于父节点的第一个子节点的所有 p 节点 |
| : before | p : before | 在每个 p 节点的内容之前插入内容 |
| : after | p : after | 在每个 p 节点的内容之后插入内容 |
| : lang(language) | p : lang | 选择带有 it 开头的 lang 属性值的所有 p 节点 |
| element1~element2 | p~ul | 选择前面有 p 节点的所有 ul 节点 |
| [ attribute^=value ] | a[ src^=“https” ] | 选择其 src 属性值以 https 开头的所有 a 节点 |
| [ attribute$=value ] | a[ src$=“.pdf” ] | 选择其 src 属性以 .pdf 结尾的所有 a 节点 |
| [ attribute*=value ] | a[ src8=“abc” ] | 选择其 src 属性中包含 abc 字串的所有 a 节点 |
| : first-of-type | p : first-of-type | 选择属于其父节点的首个 p 节点的所有 p 节点 |
| : last-of-type | p : last-of-type | 选择属于其父节点的最后 p 节点的所有 p 节点 |
| : only-of-type | p : only-of-type | 选择属于其父节点唯一的 p 节点的所有 p 节点 |
| : only-child | p : only-child | 选择属于其父节点的唯一子节点的所有 p 节点 |
| : nth-child(n) | p : nth-child | 选择属于其父节点的第二个子节点的所有 p 节点 |
| : nth-last-child(n) | p : nth-last-child | 同上，从最后一个子节点开始计数 |
| : nth-of-type(n) | p : nth-of-type | 选择属于其父节点第二个 p 节点的所有 p 节点 |
| : nth-last-of-type | p : nth-last-of-type | 同上，但是从最后一个子节点开始计数 |
| : last-child | p : last-child | 选择属于其父节点最后一个子节点的所有 p 节点 |
| : root | : root | 选择文档的根节点 |
| : empty | p : empty | 选择没有子节点的所有 p 节点（包括文本节点） |
| : target | #new : target | 选择当前活动的 #new 节点 |
| : enabled | input : enabled | 选择每个启用的 input 节点 |
| : disabled | input : disabled | 选择每个禁用的 input 节点 |
| : checked | input : checked | 选择每个被选中的 input 节点 |
| : not(selector) | : not | 选择非 p 节点的所有节点 |
| : : selection | : : selection | 选择被用户选取的节点部分 |
所有内容全部引自《python3 网络爬虫开发实战（人民邮电出版社）》，此笔记仅用于学习。