Python网络爬虫系列2

　　明白URI，URL，URNURL
　　统一资源定位符（UniformResourceLocator，URL），也叫网页地址，网址。
　　是因特网上标准的资源的地址（Address），如同在网络上的门牌。它最初是由蒂姆伯纳斯李发明用来作为万维网的地址。
　　统一资源定位符的完整格式如下：〔协议类型〕：〔访问凭证信息〕〔服务器地址〕：〔端口号〕〔资源层级UNIX文件路径〕〔文件名〕？〔查询〕〔片段ID〕〔访问凭证信息〕、〔端口号〕、〔查询〕、〔片段ID〕都属于选填项其中协议类型有：httphttps、ftp、mailto、file、jdbc等。超文本传输协议（http）的统一资源定位符将从因特网获取信息的五个基本元素包括在一个简单的地址中：传送协议层级URL标记符号（为，固定不变）访问资源需要的凭证信息（可省略）服务器（通常为域名，有时为IP地址）端口号（以数字方式表示，若为默认值可省略）路径（以字符区别路径中的每一个目录名称）查询（GET模式的窗体参数，以？字符为起点，每个参数以隔开，再以分开参数名称与资料，通常以UTF8的URL编码，避开字符冲突的问题）片段（以字符为起点）示例：以https：www。baidu。com：443s？wdhttp为例https：是协议www。baidu。com：是域名服务器443：是服务器上的网络端口号s：是路径？wdhttp：是查询参数
　　2。URN
　　统一资源名称（UniformResourceName，URN）
　　现在很少提及。这一术语的使用已被限制更少的URI取代
　　3。URI
　　统一资源标志符（UniformResourceIdentifier，URI）
　　URI可被视为定位符（URL），名称（URN）或两者兼备。前端页面三大部分构成：Tag，CSS，JavaScriptTag
　　页面标签：承载内容（content）CSS层叠样式表：页面显示（display）内嵌样式表（通过标签的style属性设置样式，不推荐使用）内部样式表（在head部分通过style标签插入CSS选择器）外部样式表（单独的文件，使用link标签引入进来）CSS选择器中的元素名，类和ID均不能以数字为开头
　　4。JavaScript是一门多范式的语言，它支持面向对象程序设计。
　　作用：交互行为behavior
　　浏览器中的JavaScript有三个要素：ECMAScript（ES）：语法规范关键字，运算符，分支，循环，对象，函数等BrowserObjectModel（BOM）
　　浏览器对象模型：window属性：location，history，screen方法：navigatoraltert（），prompt（），confirm（），open（），close（）setTimeout（），setInterval（）DocumentObjectModel（DOM）
　　文档对象模型：document
　　作用：操控页面querySelector（）querySelectorAll（）通过CSS选择器获取页面上的标签StaticNodeListgetElementById（）返回对拥有指定id的第一个对象的引用。LiveNodeListquerySelectorAll的返回值是一个静态的NodeList对象，而getElementsBy系列的返回值实际上是一个HTMLCollection对象createElement（）创建标签appendChild（）insertBefor（）添加新标签removeChild（）删除标签textContentinnerHtml修改标签内容style修改标签样式
　　5。页面渲染方式后端渲染：通过后端代码（Java、Python、PHP等）渲染模板页面为页面生成动态内容
　　缺点：
　　搞后端的人还需要具备一些前端知识
　　开销大，增加服务器的负担压力前端渲染：后端是负责处理业务和提供数据，前端实现页面的渲染（前后端分离开发）
　　优点：
　　前后端的工作是对立的，相互不影响
　　通过浏览器中JavaScript引擎实现页面渲染，不增加服务器的负担。