基于HTMLParser的网页信息提取与分析(3)

2.1.2 HTML文档的编写方法和网页文件命名

相对于其他用于编程的语言来说，由于HTML语言并不是编程语言而是网页的标记语言的原因，它具有一些和其他语言不一样的编写方法，其中包括以下三种：

（1） HTML语言主要是通过手工直接编写记事本方式编写，并且将其以.HTM 或者.HTML的格式进行存储。

（2）在编辑器方面，HTML语言主要是使用可视化HTML编辑器进行编辑，其中如Dreamweaver、Frontpage等是比较热门的选择。

（3）在生成的方式上HTML语言主要由Web服务器或者HTTP服务器一方实时动态地生成。文献综述

然而，对于命名方面，HTML也具有一些特殊的规则，在特殊规则下的HTML才具有其独特的魅力。

（1）文字之间无空格。

（2）文字无特殊符号（例如%符号），可以有下划线，文字只可以为英文。

（3）文字区分大小写。

（4）HTML首页文件名默认设置为：index.HTM 或 index.HTML。

2.1.3 HTML语言的基本结构

由于HTML 是用来描述网页的一种语言，所以它作为一种标记语言，它用来描述网页的就用标记标签来表示，而HTML的标记标签通常被称为HTML标签。

HTML标签是由尖括号包围的关键词，比如 <html>作为HTML标签通常是成对出现的，比如 <b> 和 </b> ，其中标签对中的第一个标签是开始标签，第二个标签是结束标签。通常开始和结束标签也被称为开放标签和闭合标签。来.自/优尔·论|文-网·www.youerw.com/

对于标签来说，其中包含的元素才是HTML语言的基本部分，它指的是从开始标签（start tag）到结束标签（end tag）的所有代码。而对于所有元素来说，它们还具有一些特殊的相关属性。

HTML元素可以有自己的属性，每一个属性还可以由网页作者赋一定的值。其中，元素属性出现在元素的< >内，并且与元素名称之间用一个空格进行分隔，而它的属性值用“”引起来。

HTML语言的标准格式如图2.1所示，其中< >内表达的就是元素的属性

基于HTMLParser的网页信息提取与分析(3):http://www.youerw.com/jisuanji/lunwen_73289.html