在學習定位網頁信息的之前，我們首先需要了解一下各個術語（這部分有很多是網頁的知識，寫爬蟲需要對網頁有較爲深刻的認識，所以我羅列了很多知識點，掛一漏萬，歡迎大家補充；當然急着寫爬蟲的讀者可以略去不讀，日後回看）：
- SGML/HTML/XML/XHTML
- SGML的全稱是Standard Generalized Markup Language(標準通用標記語言)；
- HTML的全稱是Hyper Text Markup Language(超文本標記語言)；
- XML的全稱是Extensible Markup Language(可拓展標記語言)；
- XHTML是嚴格符合XML的HTML;
- 三者在時間的順序是SGML\HTML\XML,三者在功能和複雜度上做了權衡，都屬於標記語言，後兩者可用於網頁；
- DOM
- DOM的全稱是Document object model(文檔對象模型)；
- 是一個可以用於操作結構化標準文檔\HTML\XML的結構、內容、風格的API，我們一般使用HTML DOM;
- 它的本質是一個api接口文檔，提供了一個接口的規範；實現過程是先解析文檔，然後將文本組織成一個DOM樹結構，最後開放符合DOM文檔的api接口。
- 一開始DOM在瀏覽器用js有實現，現在我們也可以自己實現dom；
- SAX
- SAX的全稱是Simple API for XML（用於處理XML事件驅動的推模型）;
- 概念和DOM平行，但是不是由W3C(World Wide Web Consortium )提出來的，而是民間自己討論出來的一種標準；
- 它和DOM的區別是在於：DOM是將所有的xml讀入內存後一起建樹，相當於先掃描，後解析；而SAX的特點是邊掃描，邊解析；
- XSL
- XSL的全稱是EXtensible Stylesheet Language（擴展樣式表語言）；
- 是W3C制定的另一種表現XML文檔的樣式語言。XSL是XML的應用，符合XML的語法規範，可以被XML的分析器處理；
- XSL的三個組成部分是XSLT\XPath\XSL-FO;XLST負責建樹，用XSL-FO分析並表現；
- XSL負責html的樣式渲染工作，而CSS可以完成html、xml的樣式渲染，DSSSL負責SGML的渲染；
- XSLT
- XSLT的全稱是Extensible Stylesheet Language Transformations（可擴展樣式錶轉換語言);
- 可以將XML數據檔轉換爲另外的XML或其它格式，如HTML網頁，純文字。是XML規範中的一部分。
- Xpath
- Xpath的全程是XML path language；
- 是一個用於在xml文檔中查找信息的語言，同樣適用於html；XQuery和XPointer均建在xpath上；
- Xpath最初是DOM裏面定位元素的方法；可以用xpath實現一個解析器；
- XSL-FO
- Xpath的全程是XSL Format object；
- 用於格式化信息；
- CSS
- CSS的全稱是Cascading Style Sheets（層疊式樣式表）；
- 樣式表分爲轉換信息和格式化信息兩部分，在XSL中也有對應的概念；
- 解析器
- XML 解析器就是對DOM和SAX兩個規範的實現，例如：XML解析器將XML轉化爲XML DOM對象；通常瀏覽器會內置解析器；
- 當然我們還有樣式表解析器；
- Libxml2
- Libxml2是一個C語言下的xml解析器；被用於Gnome項目。
- Libxslt
- Libxslt是一個C語言下的XSLT實現；被用於Gnome項目。
- 內含樣式表解析器；
- LXML
- lxml是python的一個解析庫，支持HTML和XML的解析；使用了libxml\libxtls，而且解析效率非常高；且支持SAX風格的部分解析，也支持用戶自定義添加。
- Xquery/Xpoint
- 這兩個都是查詢語言，相應的解析器部分不知道怎麼實現的；
- BeautifulSoup
- bs4也是一個解析庫，支持HTML和XML的解析，支持4種解析器，