整合營銷服務商
電腦端+手機端+微信端=數(shù)據(jù)同步管理
免費咨詢熱線：
電腦端+手機端+微信端=數(shù)據(jù)同步管理
免費咨詢熱線：
1. HTML的代碼文件
（1）打開Hbuilder開發(fā)工具，新建項目，點擊右鍵新建一個HTML文檔。
（2）在文檔中寫HTML代碼
<!DOCTYPE html>
<html>
<head>
<meta charset="UTF-8">
<title>產(chǎn)品列表</title>
</head>
<body>
這是產(chǎn)品頁面
<b>好好學習，天天向上</b>
<h1>好好學習，天天向上</h1>
</body>
</html>
溫馨提示：
常用的快捷鍵：
Ctrl+s:保存
ctrl+c:復制
ctrl+x：剪切
ctrl+v：粘貼
2. HTML的基本結(jié)構
對于HTML文件的后綴名一般為“html”或“htm”
2.1HTML的標簽格式
（1）什么是HTML標簽？
HTML標簽是有開始標簽和結(jié)束標簽組成
開始標簽：是被尖括號包圍的元素名。
結(jié)束標簽：是被尖括號包圍的斜杠和元素名
<元素>內(nèi)容 </元素>
例如：<b>好好學習天天向上</b>
注意：有些HTML標簽是沒有結(jié)束標簽的, <hr/>
(2)單標簽和雙標簽
雙標簽：例如：<b></b>
單標簽：<hr/> <br/>
(3) 標簽的屬性
<font size="1">好好學習</font>
<font size="7">好好學習</font>
<h1 title="h1" style="color: red;">
我是一個標題標簽
</h1>
3. HTML基本結(jié)構的認識
<!--<!DOCTYPE html>:文檔聲明，告知瀏覽器文檔使用哪種HTML或XHTML規(guī)范，讓瀏覽器通過正確的方式解析我們的網(wǎng)頁，讓網(wǎng)頁能夠正確的顯示。-->
<!DOCTYPE html>
<!-- <html>標簽：是網(wǎng)頁的跟標簽-->
<html>
<!--head是網(wǎng)頁頭，一般表示網(wǎng)頁中描述信息-->
<head>
<!--
meta：提供網(wǎng)頁的相關信息，有利于搜索引擎收錄
charset="UTF-8"： 設置網(wǎng)頁編碼方式為utf-8
name="Keywords" ：設置網(wǎng)頁關鍵字
name="viewport": 設置網(wǎng)頁視窗大小
-->
<meta name="Keywords" content="HTML5前端開發(fā)工程師入門到精通課程"/>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width,initial-scale=1,minimum-scale=1,maximum-scale=1,user-scalable=no" />
<!-- <title></title>：表示網(wǎng)頁的標題 -->
<title></title>
</head>
<body>
<!--
<body></body>：網(wǎng)頁的主體內(nèi)容，用戶呈現(xiàn)的內(nèi)容，比如文字，圖片，鏈接，視頻……
-->
</body>
</html>
4. HTML的注釋
<!--這里是注釋的內(nèi)容-->
5. HTML的編碼問題
常見編碼個格式：
UTF-8:國際通用的編碼格式
GBK/GB2312:中文編碼字符
HTML的編碼：<meta charset="UTF-8">
6. HTML規(guī)范
（1）html標簽都是有尖括號包圍的標簽，比如<b>
（2）標簽通常是成對存在，<b></b>,<h1></h1>
（3）HTML不區(qū)分大小寫，我們建議小寫。
（4）HTML可以嵌套，但是允許交叉嵌套
正確寫法：<b> <h1>我很粗</h1> </b>
錯誤寫法：
<b> <h1>我很粗 </b></h1>
篇主要介紹爬取500彩票網(wǎng)，獲取所有雙色球的開獎結(jié)果，寫入到csv文件。
(1) 分析標題
通過分析，發(fā)現(xiàn)標題信息在如下地方顯示：
私信小編007即可獲取小編精心準備的資料呢！如有需要源碼請單獨私信！
(2) 分析開獎號碼
通過分析，發(fā)現(xiàn)開獎號碼在如下地方顯示：
(3) 分析往期開獎結(jié)果url
通過分析，發(fā)現(xiàn)網(wǎng)頁是通過一個下拉菜單，選擇相應的期號，會自動跳轉(zhuǎn)對應的網(wǎng)站。
網(wǎng)站規(guī)律就是http://kaijiang.500.com/shtml/ssq/+"期號"+.shtml
2、思路分析
先提取網(wǎng)頁數(shù)據(jù)，用Beautiful Soup從網(wǎng)頁抓取數(shù)據(jù)，然后通過正則表達式，提取想要的數(shù)據(jù)。
3、代碼：
import requests
from bs4 import BeautifulSoup
import re
#獲取網(wǎng)頁數(shù)據(jù)，偽裝成瀏覽器
def gethtml(url):
headers = {
"Use-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) Apple
WebKit/537.36 (KHTML, like Gecko) Chrome/70.0.3538.77 Safari/537.36"
}
req = requests.get(url,headers = headers)
req.encoding = "GBK"
html = req.text
bf = BeautifulSoup(html, "html.parser")
return bf
#爬取標題
def gettitle(html):
titlehtml = html.find_all("td", class_="td_title01")
titletxt = str(titlehtml).strip()
p1 = r'shtml">(.*?)<f.*?<strong>(.*?)</strong>.*?</font>(.*?)</a>
.*?right">(.*?)</span>'
titles = re.compile(p1, re.S).findall(titletxt)
qi = list(titles[0])
qi[2] = ('期')
return ''.join(qi)
#爬取紅色球
def getred(html):
redhtml = html.find_all("li", class_="ball_red")
redtxt = str(redhtml).strip()
p1 = r'red">(.*?)</li>'
reds = re.compile(p1, re.S).findall(redtxt)
return '紅球:' + ' '.join(reds)
#爬取藍色球
def getbule(html):
bulehtml = html.find_all("li", class_="ball_blue")
buletxt = str(bulehtml).strip()
p1 = r'blue">(.*?)</li>'
bules = re.compile(p1, re.S).findall(buletxt)
return '藍球:' + ' '.join(bules)
#獲取所有url
def getlistnum(html):
listnumhtml = html.find_all("span", class_="iSelectBox")
p1 = r'href="(.*?)">'
listnums = re.compile(p1, re.S).findall(str(listnumhtml))
return listnums[1:]
url = 'http://kaijiang.500.com/shtml/ssq/18131.shtml'
def main():
html = gethtml(url)
htmlurls = getlistnum(html)
for htmlurl in htmlurls:
ssqhtml = gethtml(htmlurl)
a = gettitle(ssqhtml)
b = getred(ssqhtml)
c = getbule(ssqhtml)
#寫入txt文件
with open(r'D:\1.txt','a') as f:
print(htmlurl)
f.write(a + '\n'+ b + '\n'+ c + '\n')
f.close()
if __name__ == "__main__":
main()
代碼自行拿去用吧！輸出文件：
到此結(jié)束！需要源碼請后臺私信小編即可哦！
假設需要劫持http響應并在html頁面中注入一段js代碼后再傳回瀏覽器，實現(xiàn)在瀏覽器出現(xiàn)一個彈框消息提醒。
由于原始html頁面編碼格式存在UTF-8、GBK等多種編碼格式，如果注入的js包含中文消息的話，那么在UTF-8或GBK編碼的頁面就會有一個出現(xiàn)亂碼。有沒有辦法做到不管是針對GBK、UTF-8編碼的頁面都能做到正常顯示而不會出現(xiàn)亂碼哪？
首先來分析一下產(chǎn)生亂碼的原因，我們在瀏覽器看到的信息都是通過圖形學手段在顯示器上呈現(xiàn)出來的，而實際保存在計算機硬件上的都是0和1（因為計算機實現(xiàn)是基于二進制），那么計算機要顯示、傳遞信息就需要依靠一套規(guī)則把一串串的0和1識別為正確的字符，這就是編碼。
例如01000001在ASCII編碼規(guī)則下對應字母A。相同的0/1串，不同的編碼解析出的字符一般是不同的，因此如果html頁面按照UTF-8的編碼解析正常，那么按照GBK的編碼解析就會是亂碼了。根據(jù)上面的示意圖，假設注入的js代碼為utf-8編碼格式，而原始html編碼格式也為UTF-8編碼格式，那么最終注入這部分中的中文就能正常顯示，但是如果原始html為GBK編碼，那注入的這部分js代碼的中文就會顯示亂碼。
有一種unicode統(tǒng)一編碼字符集，目標是把所有文字、字符統(tǒng)一編碼，也就是一串0/1組合在unicode字符集下對應的字符是唯一的，不會存在歧義。而js是支持解析unicode字符的，那么就可以在注入js中把要顯示的消息統(tǒng)一轉(zhuǎn)換為unicode編碼，瀏覽器端去解析這個unicode編碼，這樣不管原始html是UTF-8還是GBK，都能正常顯示中文。
原始注入js代碼關于中文字符的部分
// utf-8編碼格式
let message = "中文";解決亂碼的注入js代碼關于中文字符的部分
// utf-8編碼格式
let message = "\\u4e2d\\u6587"; // 這個編碼對應上面的message"中文"注意：
*請認真填寫需求信息，我們會在24小時內(nèi)與您取得聯(lián)系。
