pyquery 完全模仿jquery
首先把要解析的网页源代码包装成pyquery对象。调用doc()方法
具体的初始化方法有三种。
初始化方法:
1: 字符串初始化:
from pyquery import PyQuery as pq
html = '''
<div>
<ul>
<li>hello</li>
<li>world</li>
<li>anlysqx</li>
</ul>
</div>
'''
doc = pq(html)
print(doc('li'))
运行结果:
2.URL初始化:
from pyquery import PyQuery as pq
doc = pq(url='http://www.baidu.com')
print(doc('head'))
运行结果:
3.文件初始化:
from pyquery import PyQuery as pq
doc = pq(filename='test.html')
print(doc('li'))
运行结果:
css选择器:
1.层级选择器:
不必是严格的父子关系,只要是子孙节点都可以。用空格隔开
中间可以是id选择器,类选择器,标签选择器等。
from pyquery import PyQuery as pq
html = '''
<div id="container">
<ul class="list">
<li class="one">one1</li>
<li class="two">two2</li>
<li class="three">three3</li>
</ul>
</div>
'''
doc = pq(html)
print(doc('#container .list li'))
运行结果:
#-*-coding:utf-8-*-
from pyquery import PyQuery as pq
html = '''
<div id="container">
<ul class="list">
<li class="one">one1</li>
<li class="two">two2</li>
<li class="three">three3</li>
</ul>
</div>
'''
doc = pq(html)
items = doc('.list')
print(type(items))
print(items)
print(items.find('li'))
运行结果:
通过选择类为list的元素,为ul标签。
它的类是一个pyquery对象。
又可以通过它来进行css选择,调用find方法。
print(items('li'))的写法和 print(items.find('li')) 相同
因为他们都是pyquery对象。
print(items.children())
print(items.children('.one'))
可以对pyquery对象的
直接子元素进行选择。
print(items.parent())
可以对pyquery对象的直接父元素进行选择。
如果css类选择器的类别不止一个可如下:
items = doc('.list .one.active')
print(items)
html代码为:
<div id="container">
<ul class="list">
<li class="one active">one1</li>
<li class="two">two2</li>
<li class="three">three3</li>
</ul>
</div>
结果:
有空格表示层级下降,无空格表示同一级多选择。
print(items.siblings())
输出pyquery的同级兄弟元素。不包括本身。
遍历
有时我们得到的pyquery对象有多个同级元素,我们可以把该pyquery对象变成一个迭代对象。
#-*-coding:utf-8-*-
from pyquery import PyQuery as pq
html = '''
<div id="container">
<ul class="list">
<li class="one active">one1</li>
<li class="two">two2</li>
<li class="three">three3</li>
</ul>
</div>
'''
doc = pq(html)
lis = doc('li').items()
for li in lis:
print(li)
运行结果:
获取信息:
获取属性和文本:
#-*-coding:utf-8-*-
from pyquery import PyQuery as pq
html = '''
<div id="container">
<ul class="list">
<li class="one active">one1</li>
<li class="two"><a href="http://www.baidu.com">baidu</a></li>
<li class="three">three3</li>
</ul>
</div>
'''
doc = pq(html)
two = doc('.two a')
print(two.attr('href'))
print(two.text())
运行结果:
它的运行结果是把所选择的pyquery对象里面的去除标签后,剩下的文本信息。
对于里面又包含了很多子元素,省略其子元素,只取其中的文本信息。如下:
items = doc('.list')
print(items.text())
运行结果:
获取html
from pyquery import PyQuery as pq
html = '''
<div id="container">
<ul class="list">
<li class="one active">one1</li>
<li class="two"><a href="http://www.baidu.com">baidu</a></li>
<li class="three">three3</li>
</ul>
</div>
'''
doc = pq(html)
items = doc('.list .two')
print(items)
print(items.html())
运行结果:
DOM操作:
1. addclass, removeclass
doc = pq(html)
items = doc('.one.active')
print(items)
items.remove_class('active')
print(items)
items.add_class('hello')
print(items)
运行结果:
2.attr,css
doc = pq(html)
items = doc('.one.active')
print(items)
items.attr('name','anlysqx')
print(items)
运行结果:
attr用于给所选择的元素添加css属性。
doc = pq(html)
items = doc('.one.active')
print(items)
items.css('font-size','15px')
print(items)
运行结果:
css函数会添加设置style
伪类选择器:
print(doc('li:first-child'))
print(doc('li:last-child'))
print(doc('li:nth-child(2)'))
print(doc('li:nth-child(2n+1)'))
print(doc('li:gt(0)'))
html = '''
<div id="container">
<ul class="list">
<li class="one active">one1</li>
<li class="two"><a href="http://www.baidu.com">baidu</a></li>
<li class="three">three3</li>
</ul>
</div>
'''
运行结果为:
first-child 为第一个元素
last-child 为最后一个元素
nth-child 为第n个元素
nth-child(2n)为偶数位元素
nth-child(2n+1)为奇数位元素
更多的css选择器可以参考 CSS选择器