美文网首页
pyquery的基本使用

pyquery的基本使用

作者: NewForMe | 来源:发表于2018-10-30 18:01 被阅读0次

最近搞爬虫学习多一种提取网页内容的方法,使用pyquery模块,pyquery库是jQuery的Python实现,它的语法跟jQuery基本相同,下面说一下pyquery的基本使用。它的官方文档地址是:http://packages.python.org/pyquery/

一、安装
首先还是要先安装好模块,在控制台输入下面的语句就能完成安装:
pip install pyquery
二、导入模块
from pyquery import PyQuery as pq
三、基本使用

    1. 生成pyquery对象
      可加载一段HTML字符串,或一个HTML文件,或是一个url地址,例:
      d=pq("<html><title>hello</title></html>")
      d=pq(filename=path_to_html_file)
      d=pq(url='http://www.baidu.com')注意:此处url似乎必须写全
  • 2.html()和text() ——获取相应的HTML块或文本块,例:
p=pq("<head><title>hello</title></head>")

p('head').html()   #返回<title>hello</title>
p('head').text()    #返回hello
  • 3.根据HTML标签来获取元素,例:
d=pq('<div><p>test 1</p><p>test 2</p></div>')

d('p')    #返回[<p>,<p>]
print d('p')    #返回<p>test 1</p><p>test 2</p>
print d('p').html()    #返回test 1

注意:当获取到的元素不只一个时,html()、text()方法只返回首个元素的相应内容块

  • 4.eq(index) ——根据给定的索引号得到指定元素
    接上例,若想得到第二个p标签内的内容,则可以:
print d('p').eq(1).html()     #返回test 2
  • 5.filter() ——根据类名、id名得到指定元素,例:
d=pq("<div><p id='1'>test 1</p><p class='2'>test 2</p></div>")

d('p').filter('#1')     #返回[<p#1>]
d('p').filter('.2')     #返回[<p.2>]
  • 6.find() ——查找嵌套元素,例:
d=pq("<div><p id='1'>test 1</p><p class='2'>test 2</p></div>")

d('div').find('p')    #返回[<p#1>, <p.2>]
d('div').find('p').eq(0)    #返回[<p#1>]
  • 7.直接根据类名、id名获取元素,例:
d=pq("<div><p id='1'>test 1</p><p class='2'>test 2</p></div>")

d('#1').html()    #返回test 1
d('.2').html()    #返回test 2

8 8.获取属性值,例:

d=pq("<p id='my_id'><a href='http://hello.com'>hello</a></p>")

d('a').attr('href')    #返回http://hello.com
d('p').attr('id')      #返回my_id
  • 9.修改属性值,例:
d('a').attr('href', 'http://baidu.com')把href属性修改为了baidu
  • 10.addClass(value) ——为元素添加类,例:
d=pq('<div></div>')

d.addClass('my_class')    #返回[<div.my_class>]
  • 11.hasClass(name) #返回判断元素是否包含给定的类,例:
d=pq("<div class='my_class'></div>")

d.hasClass('my_class')    #返回True
  • 12.children(selector=None) ——获取子元素,例:
d=pq("<span><p id='1'>hello</p><p id='2'>world</p></span>")

d.children()    #返回[<p#1>, <p#2>]
d.children('#2')    #返回[<p#2>]
  • 13.parents(selector=None)——获取父元素,例:
d=pq("<span><p id='1'>hello</p><p id='2'>world</p></span>")

d('p').parents()    #返回[<span>]
d('#1').parents('span')    #返回[<span>]
d('#1').parents('p')    #返回[]
  • 14.clone() ——返回一个节点的拷贝
d=pq("<span><p id='one'>hello</p><p id='two'>world</p></span>")

print(d('#one'))                # <p id="one">hello</p>
print(d('#one').clone())    # <p id="one">hello</p>
  • 15.empty() ——移除节点内容
d=pq("<span><p id='one'>hello</p><p id='two'>world</p></span>")

print(d)            # <span><p id="one">hello</p><p id="two">world</p></span>
d('#one').empty()
print(d)            # <span><p id="one"/><p id="two">world</p></span>
  • 16.nextAll(selector=None) ——返回后面全部的元素块,例:
d=pq("<p id='1'>hello</p><p id='2'>world</p><img scr='' />")

d('p:first').nextAll()    #返回[<p#2>, <img>]
d('p:last').nextAll()    #返回[<img>]
  • 17.not_(selector) ——返回不匹配选择器的元素,例:
d=pq("<p id='1'>test 1</p><p id='2'>test 2</p>")

d('p').not_('#2')    #返回[<p#1>]

相关文章

网友评论

      本文标题:pyquery的基本使用

      本文链接:https://www.haomeiwen.com/subject/gqvgtqtx.html