最好学习一下，不要求熟悉，但必须要会，大家爬虫所爬取的网页数据大部分都会直接或间接嵌套在html标签或属性中，如果你对html一点都不了解，也就无从谈及数据的解析和提取，下面偶简单介绍一下python爬虫的学习过程，感兴趣的朋友可以尝试一下：
基础html知识
这个是最基本也是必须的，首先，学习网络爬虫，你就需要学习html知识，网页是用html写的，数据自然也会嵌套在其中，无非就是某一个标签或属性，如果你对html一点都不了解，也就无从谈及解析规则的编写，数据也就无从提取，不要求多么熟悉、精通html，但基本的标签、属性必须要能看懂，如果你没有这方面基础的话，建议学习一下，初学入门html，也主要以记忆为主，很快就能掌握：
基本爬虫库
基础的html知识掌握后，就是网络爬虫的编写，这里可以从一些简单易用、容易上手的爬虫库开始，比较常见的就是urllib、requests、beautifulsoup、lxml，官方教程非常详细，先获取网页数据，然后再编写解析规则提取即可，对于大部分静态网页来说，都可以轻松爬取，动态网页数据的提取可能需要抓包分析（数据不会直接在网页源码中看到），但基本原理类似，也是先获取数据，然后再解析提取：
专业爬虫框架
基本爬虫库熟悉后，大部分网页数据都可以爬取，但需要反复造轮子，效率不高，也不易于后期维护和扩展，这里可以学习一下专业强大的爬虫框架，python来说，比较受欢迎、也比较流行的就是scrapy，框架成熟、稳定，可扩展性强，只需编写少量代码即可快速开启一个爬虫程序，初学入门来说也非常友好，官方文档丰富，社区活跃，资料齐全，各个模块组件都是独立开源的，后期研究学习也非常不错：
总之，python爬虫对html要求不高，但必须要了解，能看懂基本的网页结构、标签和属性，后期才能编写具体的解析规则提取数据，建议多看多练，熟悉一下scrapy框架的使用，网上也有相关教程和资料，介绍的非常详细，感兴趣的话，可以搜一下，希望以上分享的内容能对你有所帮助吧，也欢迎大家评论、留言进行补充。
因为某些符号代表着一些特殊意义，例如<代表着一个标签的开始。例如：在HTML中插入script标签，再往里面写入一些JS的话，这个页面就能执行这段JS了。
还有一个原因，例如偶想在页面中输入<div>，不用实体是显示不出来的，并且页面会变乱了，因为<div>会被当作HTML代码执行，多了一个<div>页面的嵌套就乱了。
实体的类型：
实体分实体编号，和实体名称。
实体编号：<。
实体名称：<。
但是还是建议大家使用实体编号，因为实体名称在IE6这样的浏览器中兼容性不是特别好。
