爬虫·崔庆才网课笔记第三章

3.3 pyquery的使用

2.初始化

• 字符串初始化

 doc=pq(html)
 print(doc('li'))

• URL初始化

3.基本CSS选择器

doc=pq(html)
items=doc('.list')
print(type(items))
print(items)
lis=items.find('li')
print(lis)

等同于

doc=pq(html)
print(doc('#container .list li'))

4.查找节点

• find查找范围是所有子孙节点，如果只想查找子节点，可用children方法。

lis=item.children('.active')

筛选子节点中class为active的节点。

• 同理，parent方法不会查找父节点的父节点，即祖先节点。

parents方法筛选所有的祖先节点。筛选某个祖先节点，则向parents方法传入CSS选择器。

• siblings方法，获取兄弟节点，筛选某个兄弟节点，可从兄弟节点传入CSS选择器。

5.遍历

对多个节点遍历，调用items方法。

• 获取属性。
  调用attr方法。

print(a.attr.href)

当返回结果包含多个节点时，调用attr方法只得到第一个节点的属性。若想获取a节点的所有属性，，使用items遍历。

• 获取文本
  调用text方法，忽略节点内部所有的HTML，获取内部纯文本信息。
  形如<>尖括号内的内容，被忽略
  调用html方法返回第一个li节点内部的HTML文本。text返回所有li节点内部的纯文本，各节点内容用一个空格分隔开，返回字符串。

6.节点操作

• addClass和removeClass

doc=pq(html)
li=doc('.item-0.active')
li.attr('name','link')
li.text('changed item')
li.html('<span>changed item</span>')

调用attr方法，li节点多了属性name=link。attr方法若只传入第一个参数，即属性名，则表示获取这个属性值，若传入第二个参数，则可用于修改属性值。
调用text传入文本，将内部全部文本改为传入的字符串文本，调用html方法传入HTML，li节点内部全变为传入的HTML文本。若text和html不传参数，表示获取节点内纯文本和HTML文本。

• remove

wrap.find('p').remove()
print(wrap.text())

或
doc(‘p’).remove()

7.伪类选择器

第一个节点

li=doc('li:first-child')

最后一个节点

li=doc('li:last-child')

偶数节点

li=doc('li:nth-child(2n)')

包含某一文本的节点

li=doc('li:contains(second)')