pyquery详解

目录:

前言

该文章为学习崔dalao教程时,做的一些笔记。

好记性不如烂笔头

简介

PyQuery库也是一个非常强大又灵活的网页解析库,前端基础较好的人,使用更加方便,上手快,且功能更强大。

官方文档: http://pyquery.readthedocs.io/

使用
  • 初始化
    • 字符串初始化
    • URL初始化
    • 文件初始化 (对于本机文件)
# 演示数据
	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 = pyquery(html)  # 字符串初始化
doc = pyquery('http://www.baidu.com')  # URL初始化
doc = pyquery('文件路径')  # 文件初始化

print(doc('li'))  
"""
类似BeautifulSoup的tag选择器
与BeautifulSoup的区别,pyquery的该语句会匹配所有满足条件的内容
"""

# 以演示数据为例:
[<li.item-0>, <li.item-1>, <li.item-0.active>, <li.item-1.active>, <li.item-0>]
"""
该列表是由<class 'pyquery.pyquery.PyQuery'>类型构成的
doc也是<class 'pyquery.pyquery.PyQuery'>类型,即pyquery可以层层调用
"""
```
  • 基本的css选择器(id,class)
    print(doc(' #container'))   #加‘ # ’id选择
    print(doc('.item-0'))   #加‘ . ’类选择
    print(doc('#container .list li'))  # 选择id为continer下,类名为list的标签内的li
    print(doc('#continer .item-0'))  # 选择id为container的标签下的,类名为item-0的内容
    print(doc('#continer .item-0.active')) # 选择id为container的标签下的,类名为item-0&acitve的内容
    # 中间带有空格表示层级,不带空格表示并列
    
  • 查找元素
    • 子元素
    • 父元素
    • 兄弟元素
    from pyquery import PyQuery as pq
    doc = pq(html)
    items = doc('.list')
    print(type(items))
    print(items)
    
    # 子元素的查找
      # find方法
      lis = items.find('li')  # tag
      print(type(lis))
      print(lis)
    
      # children方法
      lis = items.children('.active')   # css选择器
      print(lis)
      # 两种方法,都可以使用css选择器和tag
      # 区别: find找下面所有满足条件的下级元素
      		# children找直接子元素里满足条件的内容
    # 父元素查找
      # parent方法(得到上一级父元素)
      container = items.parent()
      print(type(container))
      print(container)
    
      # parents方法(得到所有祖先元素)
      parents = items.parents()
      print(type(parents ))
      print(container)
      # 类型均为<class 'pyquery.pyquery.PyQuery'>
      # 也可以使用css和tag进行筛选
    
    # 兄弟查找
       # siblings方法
       doc = pq(html)
       li = doc('.list .item-0.active')   # css选择
       print(li.siblings())  # 类型<class 'pyquery.pyquery.PyQuery'>
    
    • 遍历

      当我们通过pyquery进行筛选时,我们可以获得一条结果,也可能获得多条,当结果不唯一时,我们会用到遍历

      # 当然,我们可以使用最基础的for方法
      doc = pq(html)
      b = doc('li') # 类型<class 'pyquery.pyquery.PyQuery'>
      for a in b:
      	print(a)   # 类型<class 'lxml.etree._Element'>
      	
      # 我们可以借助pyquery提供的items方法
      lis = doc('li').items()   # 类型<generator object PyQuery.items at 0x03568A50>
      print(type(lis))
      for li in lis:
          print(li) # 类型<class 'pyquery.pyquery.PyQuery'>
         
       ### 注意区分各个值的类型,根据需要进行选择
      
  • 获取信息
    • 获取属性
    • 获取文本
    • 获取HTML
    from pyquery import PyQuery as pq
    doc = pq(html)
    a = doc('.item-0.active a')
    print(a)
    
    # 获取属性(2种方法)
    print(a.attr('href'))
    print(a.attr.href)
    
     # 获取文本
     print(a.text())
    
     # 获取HTML
     >>>print(li)
     <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li> 
     >>>print(li.html())     # 获取其包裹的HTML
     <a href="link3.html"><span class="bold">third item</span></a>
    
  • DOM操作

    对dom进行修改,增删

    • addClass、removeClass
    • attr、css
    • remove
      基本代码
      from pyquery import PyQuery as pq
      doc = pq(html)
      li = doc('.item-0.active')
      print(li)
      # 原始结果
      <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>
    
    • removeClass
     li.removeClass('active')  # 移除active类的属性
     print(li)
     # 结果
     <li class="item-0">first item</li>
     <li class="item-1"><a href="link2.html">second item</a></li>
     <li class="item-0"><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>
    
    • addClass
      li.addClass('active')
      print(li)
      <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>
    
    • attr、css
    li.attr('name', 'link')
    # 若li无name属性,则添加name="link";若具有name属性,则修改其值为link
    li.css('font-size', '14px')
    # 添加样式,同attrs
    
    • remove
      可以用于筛选,排除,进而获取最后内容
    html = '''
     <div class="wrap">
         Hello, World
         <p>This is a paragraph.</p>
      </div>
     '''
     from pyquery import PyQuery as pq
     doc = pq(html)
     wrap = doc('.wrap')
     print(wrap.text())
     wrap.find('p').remove()
     print(wrap.text())
     
     # 结果为:
     Hello, World This is a paragraph.
     Hello, World
    
  • 进阶(和前端css选择器完全一致,均可以使用)
```
# 举例 (伪类选择器)
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('li:first-child')
print(li)
```
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值