1、相关包准备

• win10打开cmd,直接pip install 包名，安装requests、beautifulsoup4、prettytable包

2、html基础准备

-详见链接https://www.jianshu.com/p/256296abefdc

• HTML标签主要分为单标签和双标签两类。单标签只有开始标签，所以需要在开始的同时关闭，例如meta标签，用于定义Web网页的基本信息。以下meta标签指定了网页使用UTF-8字符集，通过标签的属性值进行设定，即将属性名和属性值都写在标签内部。
• h1至h6，分别表示一级标题至六级标题，标题文字会依次减小
• 再介绍两个新的概念：块级标签和内联标签。块级标签单独占据一行，其后面的标签会在下一行出现，而多个内联标签则会显示在同一行中，直到总宽度超过了浏览器宽度才换行。之前介绍的h1至h6、p都是块级标签，而a、img则是内联标签。浏览器在渲染HTML页面时会遵循默认的文档流，从上往下依次显示每个HTML标签，对于块级标签则独占一行，对于内联标签则放置在同一行，直到总宽度超过浏览器宽度才换行。
• 可以在HTML标签之间或者p等标签内容中添加br，用于添加空白行或换行
• div和span分别属于块级标签和内联标签，都可以用作其他HTML标签或页面文本的容器。它们本身没有具体的语义，仅作为其他内容的容器，从而将Web页面更加结构化地组织起来。我们在设计网页时，往往会将页面划分为多个区域，例如导航栏、侧边栏、第一部分、第二部分、第三部分、底栏等，如果将全部内容都直接写在body的下一级中，则会给开发带来很大的不便。相比之下，合理使用div勾勒出网页内容的结构和层次，可以使代码编写和阅读变得更加清晰明朗。
• 使用table标签可以定义表格，用tr表示表格中的每一行，用td表示每一行中的单元格，用th表示表头行中的单元格。以下是一个简单的例子，当然可以通过更复杂的语法实现合并单元格等效果，在我们掌握了CSS之后，也可以进一步美化表格样式，使得表格看起来更美观。
• 使用ul和ol定义列表，分别对应无序列表和有序列表，用于展示多个并列项，每一项用li定义

3、编解码

以网页使用gbk编码，如何正常显示获取的数据为例，大致过程如下所示。

• 网页使用gbk编码，所以我们爬虫抓取的数据是原始文字，经过gbk编码得到的二进制数据；
• 而python会使用默认的ISO-8859-1来解码二进制数据，所以显示的文字会乱码；
• 此时想要正确显示文字，需要先对解码后的字符串，进行ISO-8859-1格式的编码，还原成服务端的二进制数据，再用gbk格式进行解码，就可以得到正常显示的文字了

import requests

url='https://www.qbiqu.com/0_1/'

response=requests.get(url)
print(response.text.encode(response.encoding).decode('gbk'))        #先对字符串进行编码还原成原始二进制数据，再用gbk解码得到正常文字,其中response.encoding为python默认编码，response.apparent_encoding是通过内容分析出的编码，使用response.apparent_encoding也行，代码对不同编码格式的网站兼容性更强

标签：编码,标签,08,爬虫,gbk,HTML,内联,response
来源： https://www.cnblogs.com/ua-21/p/16023204.html