爬虫—pyquery用法

"""
__coding__ = 'UTF-8'
__author__ = 'bingo'
__date__ = '2020/9/6'
# code is far away from bugs with the god animal protecting
    I love animals. They taste delicious.
             ┏┓   ┏┓
            ┏┛┻━━━┛┻━━┓
            ┃    ☃    ┃
            ┃  ┳┛  ┗┳ ┃
            ┃     ┻   ┃
            ┗━┓     ┏━┛
              ┃     ┗━━━━━┓
              ┃  神兽保佑  ┣┓
              ┃　永无BUG！ ┏┛
              ┗━━━┓┓┏━━┳┓┏┛
                  ┃┫┫  ┃┫┫
                  ┗┻┛  ┗┻┛
"""
import pyquery as pq
html_content = """
<div class="nav-items">
  <ul id="u1">
    <li  class="li1"><a href="https://movie.douban.com/explore">选电影</a></li>
    <li  class="li2"><a href="https://movie.douban.com/tv/">电视剧</a></li>
    <li  class="li3"><a href="https://movie.douban.com/chart">排行榜</a></li>
    <li  class="li4"><a href="https://movie.douban.com/tag/">分类</a></li>
    <li  class="li5"><a href="https://movie.douban.com/review/best/">影评</a></li>
  </ul>  
  <ul id="u2">
    <li  class="baidu" name="百度"><a href="www.baidu.com">百度一下，你就知道</a></li>
    <li  class="google" name="谷歌"><a href="www.google.com">谷歌搜索</a></li>
  </ul>
</div>
"""
html = pq.PyQuery(html_content)

# 1、查找节点
a1 = html.find("li.baidu")
a2 = html("li.baidu")
print(a1)
print(a2)
print(a2 == a1)
# >>> <li class="baidu" name="&#x767E;&#x5EA6;"><a href="www.baidu.com">百度一下，你就知道</a></li>
# >>> <li class="baidu" name="&#x767E;&#x5EA6;"><a href="www.baidu.com">百度一下，你就知道</a></li>
# >>> True

# 2、查找子节点
b = html("li.baidu").children()
print(b)
# >>> <a href="www.baidu.com">百度一下，你就知道</a>

# 3、查找父节点
c1 = html("li.baidu").parent()               # 获取当前节点的父节点
c2 = html("li.baidu").parents()              # 获取当前节点父及祖节点
print(len(c2))
# >>> 2

# 4、查找兄弟节点
d = html("li.baidu").siblings()
print(d)
# >>> <li class="google" name="&#x8C37;&#x6B4C;"><a href="www.google.com">谷歌搜索</a></li>

# 5、获取属性及文本
e1 = html("li.baidu").attr("name")       # 获取属性
e2 = html("li.baidu").text()             # 获取文本
e3 = html("li.baidu").html()             # 获取纯html内容
print(e1)
print(e2)
print(e3)
# >>> 百度
# >>> 百度一下，你就知道
# >>> <a href="www.baidu.com">百度一下，你就知道</a>

# 6、伪类选择器
f1 = html("#u1 li:first-child")                # 选取第一个li节点
print(f1)
# >>><li class="li1"><a href="https://movie.douban.com/explore">选电影</a></li>

f2 = html("#u1 li:last-child")                  # 选取最后一个li节点
print(f2)
# >>> <li class="li5"><a href="https://movie.douban.com/review/best/">影评</a></li>

f3 = html("#u1 li:nth-child(2)")                # 选取第二个li节点
print(f3)
# >>> <li class="li2"><a href="https://movie.douban.com/tv/">电视剧</a></li>

f4 = html("#u1 li:gt(3)")                       # 选取第四个li之后的li节点，索引是从0开始
print(f4)
# >>> <li class="li5"><a href="https://movie.douban.com/review/best/">影评</a></li>

f5 = html("#u1 li:nth-child(2n)")               # 选取2的整数倍的li节点，即偶数位置的li节点
# f5 = html("#u1 li:nth-child(2n+1)")           # 选取奇数位置的li节点
print(f5)
# >>> <li class="li2"><a href="https://movie.douban.com/tv/">电视剧</a></li>
#     <li class="li4"><a href="https://movie.douban.com/tag/">分类</a></li>

f6 = html("#u1 li:contains(分类)")              # 选取包含'分类'文本的li节点
print(f6)
# >>> <li class="li4"><a href="https://movie.douban.com/tag/">分类</a></li>