PyQuery

最新推荐文章于 2024-05-11 22:30:00 发布

凯里潇

最新推荐文章于 2024-05-11 22:30:00 发布

阅读量1k

点赞数 3

文章标签： python爬虫

本文链接：https://blog.csdn.net/qq_42331423/article/details/80815767

版权

三：PyQuery：

# pyquery：仿照jquery语法，封装的一个包，和bs4有点类似。

from pyquery import PyQuery

html = """
    <div id='content'>
        <ul class='list'>
            <li class='one'>One</li>
            <li class='two'>Two</li>
            <li class='three'>Three</li>
            <li class='four'>Four</li>
            <div id='inner'>
                <a href='http://www.baidu.com'>百度一下</a>
                <p>第1段</p>                   
                <p>第5段</p>
                <p>第6段</p>
            </div>
        </ul>
    </div>
"""

# 利用PyQuery类，对Html这个文档进行序列化，结果是一个文档对象
doc_obj = PyQuery(html)

# 查找元素的方法：
ul = doc_obj('.list') # 从doc_obj这个对象中根据类名匹配元素
print(ul) # ul是一个对象

# 从ul中查找a
print(ul('a'))

# 当前元素对象.find(): 在当前对象中查找后代元素
# 当前元素对象.chrildren(): 在当前对象中查找直接子元素
print(ul.find('a'))

# 父元素查找
# parent(): 直接父元素
# parents(): 所有的父元素

a = ul('a')
# print(a.parent('#inner'))

# 兄弟元素的查找
li = doc_obj('.one')
# print(li.siblings())
print(li.siblings('.two'))

# 遍历元素
ul = doc_obj('.list')
res = ul('li').items() # generator object
for li in res:
    print(li)
    # 获取标签对象的文本内容
    print(li.text())
    # 获取标签属性
    #print(li.attr('class'))

inner_div = doc_obj('#inner')
p = inner_div('p')
print(p.text())

知识点：