課程
2020/04/30
文字探勘
網頁架構
爬蟲程式主要目的為自動化「抓取網頁內容」，因此要了解網頁文件的組成，網頁文件由三大元素組成
(a)HTML:網頁的骨架及結構
(b)CSS:網頁配色及排版
(c)JavaScript:瀏覽器端與使用者互動的功能
撰寫基礎爬蟲程式須了解HTML網頁文件，HTML是階層式文件，由元素組成，元素包含標籤(Tag)及內容，屬性(Attribute)寫在起始標籤中，透過屬性設定元素樣式及功能。
由下圖是簡易HTML文件的標籤部分，可以看出有起始標籤就要有結束標籤，且結束標籤在標籤名稱前會有「/」。
