使用pyquery
pyquery
初始化
像Beautiful Soup一样,初始化pyquery的时候,也需要传入HTML文本来初始化一个PyQuery对象。它的初始化方式有多种,比如直接传入字符串,传入URL,传入文件名等待。官方文档:http://pyquery.readthedocs.io 。
字符串初始化
html = '''
<div>
<ul>
<li class="item-0">first item</li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
</ul>
</div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
print(doc("li"))
运行结果如下:
<li class="item-0">first item</li>在这里插入代码片
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
首先引入PyQuery对象,取别名pq。然后声明一个长HTML字符串,并将其当作参数传递给PyQuery类,这个就完成了初始化,将初始化的对象传入CSS选择器。
URL初始化
初始化的参数不仅可以以字符串的形式传递,还可以传入网页的URL,此时只需要指定参数为url既可。
from pyquery import PyQuery as pq
doc = pq(url="https://cuiqingcai.com")
#等同于
#import requests
#doc = pq(request.get("https://cuiqingcai.com").text)
print(doc('title'))
运行结果如下:
<title>静觅丨崔庆才的个人博客</title>
说明:PyQuery对象会先请求这个URL,然后用得到的HTML内容完成初始化。
文件的初始化
除了传递URL,还可以传递本地的文件名,此时将参数指定为filename即可。
from pyquery import PyQuery as pq
doc = pq(filename='demo.html')
print(doc('li'))
说明:这里需要有一个本地HTML文件demo.html,其内容是待解析的HTML字符串。这样它会首先读取本地的文件内容,然后用文件内容以字符串的形式传递给PyQuery类来初始化。
基本CSS选择器
html = '''
<div id='container'>
<ul class='list'>
<li class="item-0">first item</li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
</ul>
</div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
#先选取id为container的节点,再选取其内部的class为list的节点内部的所有li节点
#注意:container后面有一个空格
print(doc('#container .list li'))
print(type(doc('#container .list li')))
运行结果为:
<li class="item-0">first item</li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
<class 'pyquery.pyquery.PyQuery'>
查找节点
子节点
查找子节点时,需要用到find()方法,此时传入的参数是