![](https://i-blog.csdnimg.cn/blog_migrate/11ab61846568f7310c1fec6b75306fcd.jpeg)
全栈工程师开发手册 (作者:栾鹏)
python教程全解
python网络爬虫lxml库的应用全解。
在线安装方法:cmd中输入”pip install pyquery”
离线安装,下载pyquery库点击下载
python库的安装请参考Python库的安装与卸载
具体讲解废话太多,看代码注释最快。
python2.7、python3.6中代码
#coding:utf-8
#网络爬虫库pyquery的应用,以下代码同时支持python2和python3
from pyquery import PyQuery as pq
print(u'=====================初始化====================')
doc = pq("<html></html>") #传入html代码
#from lxml import etree
#doc = pq(etree.fromstring("<html></html>")) #可以首先用lxml 的 etree 处理一下代码
doc = pq('http://www.baidu.com') #传入网址
text = '''
<html><body><div>
<ul>
<li class="item-0"><a href="link1.html">first item</a></li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-inactive"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a>
</li></ul>
</div>
</body></html>
'''
#将字符串写入文件
fh = open('test.html', 'w')
fh.write(text)
fh.close()
doc = pq(filename='test.html') #传入本地文件
print(doc.html()) #获取元素的内部html代码
print(type(doc)) #返回类型是PyQuery
li = doc('li') #获取所有的li元素
print(type(li)) #返回类型依然是PyQuery,可以进行二次筛选
print(li.text()) #获取li的内部文本
print(u'=====================属性====================')
p = pq('<p id="hello" class="hello"></p>')('p') #创建dom树后获取标签
print(p.attr("id")) #读取属性值
print(p.attr("id", "plop")) #设置属性值
print(p.attr("id", "hello")) #设置属性值
print(p.addClass('beauty')) #添加class
print(p.removeClass('hello')) #去除class
print(p.css('font-size', '16px')) #设置css值
print(p.css({'background-color': 'yellow'})) #通过列表设置css
print(u'=====================DOM====================')
print(p.append(' check out <a href="http://reddit.com/r/python"><span>reddit</span></a>')) #在内部原有html代码后添加代码
print(p.prepend('Oh yes!')) #在内部原有html代码前添加代码
d = pq('<div class="wrap"><div id="test"><a href="http://cuiqingcai.com">Germy</a></div></div>') #创建一个dom树
td = d('#test') #获取id为test的元素
p.prependTo(td) #将p元素添加到td元素内,在td内部html代码的前面,源节点不变
print(d)
d.empty() #清空元素内部html代码
print(d)
print(u'=====================遍历====================')
doc = pq(filename='test.html')
lis = doc('li')
for li in lis.items():
print(li.html()) #打印li元素的内部html代码
print(lis.each(lambda e: e)) #each遍历函数,lambda表达式,不常用
print(u'=====================网页请求====================')
print(pq('http://www.525heart.com/index/index/index.html', headers={'user-agent': 'pyquery'})) #get请求方式,可设置headers
print(pq('http://httpbin.org/post', {'foo': 'bar'}, method='post', verify=True)) #post请求方式,可设置data和headers,已经控制是否检验