python3网络爬虫之先打一个牢牢的地基（一）：关于网页的几个基本概念的理解

在目前的互联网中，URN用得非常少，一般认为URL就是URI

HTML（超文本）
在网页界面右击任何一处并选择“检查”项，便可显示网页的源代码，这就是一个HTML（超文本）文档，浏览器通过解析该文档呈现出我们看到的最终界面。下图是www.google.com的网页源代码。

我们可以看到有很多用用<>表示的标签，如,这就是超文本文档的典型特点。如果想深入学习HTML，可以在菜鸟教程上找到相应的学习资料。

HTTP和HTTPs
HTTP和HTTPs是用于从网络传输超文本数据到本地浏览器的传送协议。当我们在浏览器输入URL后，一眨眼的功夫便得到两我们想要的东西，这看似是一个一步到位的过程，实际上这中间要完成许多动作。浏览器在接收到URL后，需要按照某种协议一步一步地找到我们请求的资源然后再一步一步地传送给我们，HTTP和HTTPs就是其遵循的协议。关于这两种协议的关系，我们可以简单理解为，HTTPs是HTTP的安全版，具有更高的安全性。目前的网站一般都采用HTTPs协议。

HTTP请求过程
从输入网址到网页界面的呈现的整个过程可以这样理解：当搜索引擎接收到网址后，会生成一个请求包，里面包含了各种信息，这个包会发送到资源所在的服务器，服务器接受到请求包后会生成一个相应的应答包发送回来。理解这一点对于理解爬虫的原理十分重要。（！！！亲身感悟！！！）

Cookies
没错，就是?。不知道大家有没有发现，我们在一个网站注册登陆之后，下一次再打开这个网站，会自动登陆。这就是Cookies的功劳。Cookies是网站为了辨别用户进行会话跟踪而存储在用户本地的数据。简单理解就是我们在网站的身份标识。现在很多网站的功能和内容需要用户注册登陆后才能使用（就像某宝的购物车），标识用户就显得很重要了。当第一次向服务器发出请求的时候，服务器会返回给我们一个Cookies，我们的浏览器会将这个Cookies保存在本地，下一次再向该服务器发送请求的时候，会在请求包中加上Cookies的信息，服务器就可以知道你是谁了。

HTML、CSS、JavaScript三者的关系
引用书中的类比，HTML相当于人的骨架，CSS是皮肤，JavaScript是肌肉。HTML搭起基本的架构，CSS决定页面的布局，进行页面的美化。但是前两者只能让网页做一个安静的美男子，一动不动，所以这还远远不够，JavaScript的主要作用就是让网页动起来。如下图所示，左边就是HTML搭的架构，右边是CSS，决定页面的一些布局。注意到HTML里面有script的标签，可以展开，里面就是JavaScript。

以上就是我认为对爬虫比较重要的几个概念啦，下一节会以Google浏览器为例，介绍开发者工具的使用。