数据清洗 第4章网络爬虫.pptx

?

第4章网络爬虫

HTML的英文全称是HyperTextMarkedLanguage，也为超文本标记语言，它是一种标识性的语言。HTML包括一系列标签．通过这些标签可以将网络上的文档格式统一，使分散的Internet资源连接为一个逻辑整体。

HTTP也叫作超文本传输协议，它是一个基于请求与响应，无状态的，应用层的协议，常基于TCP/IP协议传输数据，是互联网上应用最为广泛的一种网络协议

静态网页就是人们常见的HTML页面，该页面的后缀为?.html?类型。通常可以将静态网页直接部署到或者是放到某个web容器上，然后在浏览器通过链接直接访问。

图中包含了HTML文件，