知识卡片
页面内容经过多种表示形式
浏览器从URL发请求,得到HTML文本,将其解析成树,再结合布局与样式绘制界面。抓取时需要分清观察的是响应内容、内存DOM还是屏幕像素;三者不同,屏幕上看到的文字不保证原始响应中就以同样形式存在。图2.1展示的是理解抓取的简化链路,不是所有网络加载与脚本行为的完整模型。
结构图:
flowchart LR
U[URL与请求上下文] --> R[服务端响应HTML文本]
R --> D[解析后的DOM树]
D --> V[结合布局与样式渲染]
V --> C[桌面或移动浏览器显示]
V --> T[文本浏览器显示]
D -.脚本可修改.-> D
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python爬虫框架Scrapy · 第2章 理解HTML和XPath,spine034单元002;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00033.html。
- 结论依据:原文响应、DOM与绘制示意支持同页有不同表示层,屏幕文字不能直接证明原始响应以相同结构含有它,简图不覆盖所有脚本加载。未在本机运行示例或改变环境。
- 原始内容:TML转换为浏览器内部的树状表示形式: 文档对象模型 ( Document Object Model , DOM )。 基于一些布局规则渲染内部表示,达到你在屏幕上看到的视觉效果。 下面来看看这些步骤,以及它们所需的文档表