本文分享给大家的是：

用浏览器访问网站时，页面各不相同，你有没有想过它为何会呈现这个样子呢？本节中，我们就来了解一下网页的组成、结构和节点等内容网页的组成网页可以分为三大部分 —— HTML、CSS 和 JavaScript。

如果把网页比作一个人的话，HTML 相当于骨架，JavaScript 相当于肌肉，CSS 相当于皮肤，三者结合起来才能形成一个完善的网页下面我们分别来介绍一下这三部分的功能（1）HTMLHTML，其英文叫做 HyperText Markup Language，中文翻译叫做超文本标记语言，但我们通常不会用中文翻译来称呼它，一般就叫 HTML。

HTML 是用来描述网页的一种语言，网页包括文字、按钮、图片和视频等各种复杂的元素，其基础架构就是 HTML不同类型的元素通过不同类型的标签来表示，如图片用 img 标签表示，视频用 video 标签表示，段落用 p 标签表示，它们之间的布局又常通过布局标签 div 嵌套组合而成，各种标签通过不同的排列和嵌套才形成了网页的框架。

那 HTML 长什么样子呢？我们可以随意打开一个网站，比如淘宝 https://www.taobao.com，然后右键菜单点击“检查元素”或者按 F12 快捷键，即可打开浏览器开发者工具，切换到 Elements 面板，这时候就可以看到这里呈现的就是淘宝网对应的 HTML，它包含了一系列标签，浏览器解析这些标签后，便会在网页中渲染成一个个的节点，这便形成了我们平常看到的网页。

比如这里可以看到一个输入框就对应一个 input 标签，可以用于输入文字

不同的标签对应着不同的功能，这些标签定义的节点相互嵌套和组合形成了复杂的层次关系，就形成了网页的架构（2）CSSHTML 定义了网页的结构，但是只有 HTML 页面的布局并不美观，可能只是简单的节点元素的排列。

为了让网页看起来更好看一些，这里借助了 CSSCSS，全称叫作 Cascading Style Sheets，即层叠样式表“层叠” 是指当在 HTML 中引用了数个样式文件，并且样式发生冲突时，浏览器能依据层叠顺序处理。

“样式” 指网页中文字大小、颜色、元素间距、排列等格式CSS 是目前唯一的网页页面排版样式标准，有了它的帮助，页面才会变得更为美观在上图中，Styles 面板呈现的就是一系列 CSS 样式，比如摘抄一段 CSS，内容如下：

#head_wrapper.s-ps-islite.s-p-top { position: absolute; bottom: 40px; width: 100%; height: 181px

; }这就是一个 CSS 样式大括号前面是一个 CSS 选择器此选择器的意思是首先选中 id 为 head_wrapper 且 class 为 s-ps-islite 的节点，然后再选中其内部的 class 为 s-p-top 的节点。

大括号内部写的就是一条条样式规则，例如 position 指定了这个节点的布局方式为绝对布局，bottom 指定节点的下边距为 40 像素，width 指定了宽度为 100%，表示占满父节点，height 则指定了节点的高度。

也就是说，我们将位置、宽度、高度等样式配置统一写成这样的形式，然后用大括号括起来，接着在开头再加上 CSS 选择器，这就代表这个样式对 CSS 选择器选中的节点生效，节点就会根据此样式来展示了在网页中，一般会统一定义整个网页的样式规则，并写入 CSS 文件中（其后缀为 css）。

在 HTML 中，只需要用 link 标签即可引入写好的 CSS 文件，这样整个页面就会变得美观、优雅（3）JavaScriptJavaScript，简称 JS，是一种脚本语言HTML 和 CSS 配合使用，提供给用户的只是一种静态信息，缺乏交互性。

我们在网页里可能会看到一些交互和动画效果，如下载进度条、提示框、轮播图等，这通常就是 JavaScript 的功劳它的出现使得用户与信息之间不只是一种浏览与显示的关系，而是实现了一种实时、动态、交互的页面功能。

JavaScript 通常也是以单独的文件形式加载的，后缀为 js，在 HTML 中通过 script 标签即可引入，例如：综上所述，HTML 定义了网页的内容和结构，CSS 描述了网页的样式，JavaScript 定义了网页的行为。

2. 网页的结构我们首先用例子来感受一下 HTML 的基本结构新建一个文本文件，名称叫做 test.html，内容如下：

/>This is a Demo

Hello WorldHello, this is a paragraph.

这就是一个最简单的 HTML 实例。

开头用 DOCTYPE 定义了文档类型，其次最外层是 html 标签，最后还有对应的结束标签来表示闭合，其内部是 head 标签和 body 标签，分别代表网页头和网页体，它们也需要结束标签head 标签内定义了一些页面的配置和引用，如：。

它指定了网页的编码为 UTF-8title 标签则定义了网页的标题，会显示在网页的选项卡中，不会显示在正文中body 标签内则是在网页正文中显示的内容div 标签定义了网页中的区块，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取这个区块。

然后在此区块内又有一个 div 标签，它的 class 为 wrapper，这也是一个非常常用的属性，经常与 CSS 配合使用来设定样式然后此区块内部又有一个 h2 标签，这代表一个二级标题另外，还有一个 p 标签，这代表一个段落。

在这两者中直接写入相应的内容即可在网页中呈现出来，它们也有各自的 class 属性将代码保存后，双击该文件在浏览器中打开，可以看到如图所示的内容。

可以看到，选项卡上显示了 This is a Demo 字样，这是我们在 head 中的 title 里定义的文字而网页正文是 body 标签内部定义的各个元素生成的，可以看到这里显示了二级标题和段落这个实例便是网页的一般结构。

一个网页的标准形式是 html 标签内嵌套 head 和 body 标签，head 内定义网页的配置和引用，body 内定义网页的正文3 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，它们构成了一个 HTML 节点树，也称之为 HTML DOM 树。

我们先看下什么是 DOMDOM 是 W3C（万维网联盟）的标准，其英文全称 Document Object Model，即文档对象模型它定义了访问 HTML 和 XML 文档的标准根据 W3C 的 HTML DOM 标准，HTML 文档中的所有内容都是节点。

整个网站文档是一个文档节点每个 html 标签对应一个根元素节点，即上例中的 html 标签，这属于一个跟元素节点节点内的文本是文本节点，比如 a 节点代表一个超链接，它内部的文本也被认为是一个文本节点。

每个节点的属性是属性节点，比如 a 节点有一个 href 属性，它就是一个属性节点注释是注释节点，在 HTML 中有特殊的语法会被解析为注释，但其也会对应一个节点所以，HTML DOM 将 HTML 文档视作树结构，这种结构被称为节点树，如图所示：。

通过 HTML DOM，树中的所有节点均可通过 JavaScript 访问，所有 HTML 节点元素均可被修改，也可以被创建或删除节点树中的节点彼此拥有层级关系我们常用父（parent）、子（child）和兄弟（sibling）等术语描述这些关系。

父节点拥有子节点，同级的子节点被称为兄弟节点在节点树中，顶端节点称为根（root）。除了根节点之外，每个节点都有父节点，同时可拥有任意数量的子节点或兄弟节点。图展示了节点树以及节点之间的关系。

4. 选择器我们知道网页由一个个节点组成，CSS 选择器会根据不同的节点设置不同的样式规则，那么怎样来定位节点呢？在 CSS 中，我们使用 CSS 选择器来定位节点例如，上例中 div 节点的 id 为 container，那么就可以表示为 #container，其中 # 开头代表选择 id，其后紧跟 id 的名称。

另外，如果我们想选择 class 为 wrapper 的节点，便可以使用.wrapper，这里以点（.）开头代表选择 class，其后紧跟 class 的名称另外，还有一种选择方式，那就是根据标签名筛选，例如想选择二级标题，直接用 h2 即可。

这是最常用的 3 种表示，分别是根据 id、class、标签名筛选，请牢记它们的写法另外，CSS 选择器还支持嵌套选择，各个选择器之间加上空格分隔开便可以代表嵌套关系，如 #container .wrapper p 则代表先选择 id 为 container 的节点，然后选中其内部的 class 为 wrapper 的节点，然后再进一步选中其内部的 p 节点。

另外，如果不加空格，则代表并列关系，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，再进一步选中其内部的 class 为 text 的 p 节点。

这就是 CSS 选择器，其筛选功能还是非常强大的我们可以在浏览器中测试 CSS 选择器的效果，依然还是打开浏览器的开发者工具，然后按快捷键 Ctrl + F（如果你用的是 Mac，则是 Command + F），这时候在左下角便会出现一个搜索框，如图所示。

这时候我们输入 .title 就是选中了 class 为 title 的节点，这时候该节点就会被选中并在网页中高亮显示，如图所示：

输入 div#container .wrapper p.text 就逐层选中了 id 为 container 中 class 为 wrapper 节点中的 p 节点，如图所示：

另外，CSS 选择器还有一些其他语法规则，具体如下表所示CSS 选择器的其他语法规则选 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elementp选择所有 p 节点element,elementdiv,p选择所有 div 节点和所有 p 节点element element

div p选择 div 节点内部的所有 p 节点element>elementdiv>p选择父节点为 div 节点的所有 p 节点element+elementdiv+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 target="blank" 的所有节点[attribute~=value]

[title~=flower]选择 title 属性包含单词 flower 的所有节点:linka:link选择所有未被访问的链接:visiteda:visited选择所有已被访问的链接:activea:active

选择活动链接:hovera:hover选择鼠标指针位于其上的链接:focusinput:focus选择获得焦点的 input 节点:first-letterp:first-letter选择每个 p 节点的首字母

:first-linep:first-line选择每个 p 节点的首行:first-childp:first-child选择属于父节点的第一个子节点的所有 p 节点:beforep:before在每个 p 节点的内容之前插入内容

:afterp:after在每个 p 节点的内容之后插入内容:lang(language)p:lang选择带有以 it 开头的 lang 属性值的所有 p 节点element1~element2p~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[src*="abc"]选择其 src 属性中包含 abc 子串的所有 a 节点:first-of-typep: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-typep:last-of-type选择属于其父节点的最后一个 p 节点的所有 p 节点:only-of-typep:only-of-type

选择属于其父节点唯一的 p 节点的所有 p 节点:only-childp: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(n)p:nth-last-of-type同上，但是从最后一个子节点开始计数:last-childp: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:emptyp:empty选择没有子节点的所有 p 节点（包括文本节点）:target#news:target选择当前活动的 #news 节点:enabledinput:enabled

选择每个启用的 input 节点:disabledinput:disabled选择每个禁用的 input 节点:checkedinput: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另外，还有一种比较常用的选择器 XPath，这种选择方式后面会详细介绍5. 总结本节介绍了网页的结构和节点间的关系，了解了这些内容，我们才有更加清晰的思路去解析和提取网页内容。

本节参考来源：文档 - HTML - MDN Web Docs：https://developer.mozilla.org/en-US/docs/Web/HTML文档 - JavaScript - MDN Web Docs：https://developer.mozilla.org/en-US/docs/Web/JavaScript

文档 - HTML DOM 节点 - W3School：http://www.w3school.com.cn/htmldom/dom_nodes.asp文档 - HTML - 维基百科：https://en.wikipedia.org/wiki/HTML

文档 - CSS Selector - W3School：https://www.w3schools.com/cssref/css_selectors.asp