http://www.ruanyifeng.com/blog/2009/03/css_selectors.html
参考：https://zhuanlan.zhihu.com/p/35356276
用pyquery的使用来展示css选择器的用法
from pyquery import PyQuery as pq
提取内容
- 提取标签内容，用.text()
- 提取标签属性值，用.attr()
- 提取子节点带标签，用.html()
from pyquery import PyQuery as pq
a = '''
<body>
<h><a href='www.biaoti.com'>head</a></h>
<p>段落1</p>
<p>段落2</p>
</body>
'''
doc = pq(a)
# 提取标签内容
print(doc('h').text())
print(doc('h').html())
print(doc('body').html())
print(doc('p').text())
print(doc('p').text().split(' '))
print(doc('p:nth-of-type(1)').text())
print(doc('body').text())
# 提取标签属性
print(doc('h a').attr('href'))
a = '''
<body>
<h1>head</h1>
<h2>标题2</h2>
<h2>标题3</h2>
</body>
'''
doc = pq(a)
print(doc('h1').text())
print(doc('h1, h2').text()) # 表示“或”用逗号 'head 标题2 标题3'
a = '''
<body>
<h>标题</h>
<p id='p1'>段落1</p>
<p id='p2'>段落2</p>
<p class='p3'>段落3</p>
<p class='p3' id='pp'>段落4</p>
</body>
'''
doc = pq(a)
doc('p#p1').text() # '段落1'
doc('p.p3[id]').text() # 含有id属性
doc('p.p3#pp').text() # 使用多个属性筛选
doc('p[class=p3][id=pp]').text()
doc('p[class=p3], p[id=p1]').text() # 或的关系
doc('p[class=p3],[id=p1]').text() # 或者只用,隔开
doc('*#p1').text() # 不指定标签名
# 否定
doc('p:not([id])').text() # 不含有id属性
doc('body :not(p)').text() # 选出不是p的子节点 '标题'
doc('p:not(.p3)').text() # 选出class不是p3的
doc('p[id][id!=p2]').text() # 也可以用!=，这里选择有id且id不是p2的
# 类似正则表达式
doc('p[id^=p]').text() # 首端匹配
doc('p[id$=p]').text() # 尾端匹配
doc('p[id*=p]').text() # 包含
a = '''
<p id='p1'>段落1</p>
<p class='p3'>段落2</p>
<p class='p3'>文章</p>
<p></p>
'''
doc = pq(a)
# :contains查找内容中包含某字符串的标签
doc('p:contains(段落1)').text() # '段落1'
doc('p:contains(段落)').text() # '段落1 段落2'
doc('p:contains("1")').text()
a = '''<title>标题</title>
<body>
<ul class='list1'>
<li>列表1第1项</li>
<li>列表1第2项</li>
</ul>
<p class='first'>文字1</p>
<p class='second'>文字2</p>
<ul class='list2'>
<li>列表2第1项</li>
<li>列表2第2项</li>
</ul>
</body>'''
doc = pq(a)
doc('ul:nth-of-type(2) li').text() # 选择第二个ul下的所有li
doc('ul li:nth-of-type(2)').text() # 选择每个ul中第二个li
doc('ul li:even').text() # :even取偶数 :odd取奇数（这里索引第一个是0）
doc('ul li:first').text() # :first取第一个 :last取最后一个
doc('ul li:eq(0)').text() # 还有 lt gt 索引从0开始
网友评论