浏览器抓取网页(网页浏览器主要通过HTTP协议连接网页伺服器而取得(图))

　　浏览器抓取网页(网页浏览器主要通过HTTP协议连接网页伺服器而取得(图))

　　Web浏览器主要通过HTTP协议连接Web服务器获取网页。HTTP 允许网络浏览器向网络服务器发送数据并获取网页。目前最常用的HTTP是HTTP/1.1，在RFC2616中有完整的定义。HTTP/1.1 有自己的一套标准，Internet Explorer 不完全支持，但是许多其他当代 Web 浏览器完全支持这些标准。

　　网页的位置由 URL（Uniform Resource Locator）表示，即网页的地址；以http:开头的一​​种是通过HTTP协议登录。许多浏览器还支持其他类型的 URL 和协议，例如 ftp：用于 FTP（文件传输协议）、gopher：用于 Gopher 和 https：用于 HTTPS（SSL 加密的 HTTP）。

　　网页通常使用超文本标记语言（标准通用标记语言下的应用程序）文件格式，并在 HTTP 协议中定义为 MIME 内容。大多数浏览器支持 HTML 以外的许多文件格式，例如 JPEG、PNG 和 GIF 图像格式，并且可以使用插件支持其他文件类型。通过结合 HTTP 内容类型和 URL 协议，网页设计者可以在网页中收录图像、*敏*感*词*、视频、声音和流媒体，或者允许人们通过网页访问它们。

　　早期的网络浏览器只支持 HTML 的简化版本。专有软件浏览器的快速发展导致了非标准 HTML 代码的产生。这会导致浏览器兼容性问题。现代浏览器（Mozilla、Opera 和 Safari）支持标准 HTML 和 XHTML（从 HTML 4.01 开始）。它们都显示相同的页面效果。Internet Explorer 仍然不完全支持 HTML 4.01 和 XHTML 1.x。现在很多网站都是使用WYSIWYG HTML编辑软件构建的，包括Macromedia Dreamweaver和Microsoft Frontpage。他们通常默认生成非标准的 HTML；这阻止了 W3C 开发统一标准，尤其是 XHTML 和 CSS（级联样式表，在设计网页时使用）。

　　一些浏览器还为 Usenet 新闻组、IRC（Internet 中继聊天）和电子邮件加载了附加组件。支持的协议包括 NNTP（网络新闻传输协议）、SMTP（简单邮件传输协议）、IMAP（交互式邮件访问协议）和 POP（邮局协议）。