pyquery库是jQuery的Python实现,可以用于解析HTML网页内容,
官方文档地址是:http://packages.python.org/pyquery/。
二、使用方法
1
|
from
pyquery
import
PyQuery as pq
|
- 可加载一段HTML字符串,或一个HTML文件,或是一个url地址,例:
1
2
3
|
d
=
pq(
"<html><title>hello</title></html>"
)
d
=
pq(filename
=
path_to_html_file)
|
注意:此处url似乎必须写全
- html()和text() ——获取相应的HTML块或文本块,例:
1
2
3
|
p
=
pq(
"<head><title>hello</title></head>"
)
p(
'head'
).html()
#返回<title>hello</title>
p(
'head'
).text()
#返回hello
|
- 根据HTML标签来获取元素,例:
1
2
3
4
|
d
=
pq(
'<div><p>test 1</p><p>test 2</p></div>'
)
d(
'p'
)
#返回[<p>,<p>]
print
d(
'p'
)
#返回<p>test 1</p><p>test 2</p>
print
d(
'p'
).html()
#返回test 1
|
注意:当获取到的元素不只一个时,html()、text()方法只返回首个元素的相应内容块
- eq(index) ——根据给定的索引号得到指定元素
接上例,若想得到第二个p标签内的内容,则可以:
1
|
print
d(
'p'
).eq(
1
).html()
#返回test 2
|
- filter() ——根据类名、id名得到指定元素,例:
1
2
3
|
d
=
pq(
"<div><p id='1'>test 1</p><p class='2'>test 2</p></div>"
)
d(
'p'
).
filter
(
'#1'
) #返回[<p#
1
>]
d(
'p'
).
filter
(
'.2'
)
#返回[<p.2>]
|
- find() ——查找嵌套元素,例:
1
2
3
|
d
=
pq(
"<div><p id='1'>test 1</p><p class='2'>test 2</p></div>"
)
d(
'div'
).find(
'p'
)
#返回[<p#1>, <p.2>]
d(
'div'
).find(
'p'
).eq(
0
)
#返回[<p#1>]
|
- 直接根据类名、id名获取元素,例:
1
2
3
|
d
=
pq(
"<div><p id='1'>test 1</p><p class='2'>test 2</p></div>"
)
d(
'#1'
).html()#返回test
1
d(
'.2'
).html()
#返回test 2
|
- 获取属性值,例:
1
2
3
|
d(
'p'
).attr(
'id'
)
#返回my_id
|
- 修改属性值,例:
1
|
|
把href属性修改为了baidu
- addClass(value) ——为元素添加类,例:
1
2
|
d
=
pq(
'<div></div>'
)
d.addClass(
'my_class'
)
#返回[<div.my_class>]
|
- hasClass(name) #返回判断元素是否包含给定的类,例:
1
2
|
d
=
pq(
"<div class='my_class'></div>"
)
d.hasClass(
'my_class'
)
#返回True
|
- children(selector=None) ——获取子元素,例:
1
2
3
|
d
=
pq(
"<span><p id='1'>hello</p><p id='2'>world</p></span>"
)
d.children()
#返回[<p#1>, <p#2>]
d.children(
'#2'
)#返回[<p#
2
>]
|
- parents(selector=None)——获取父元素,例:
1
2
3
4
|
d
=
pq(
"<span><p id='1'>hello</p><p id='2'>world</p></span>"
)
d(
'p'
).parents()
#返回[<span>]
d(
'#1'
).parents(
'span'
)#返回[<span>]
d(
'#1'
).parents(
'p'
)#返回[]
|
- clone() ——返回一个节点的拷贝
- empty() ——移除节点内容
- nextAll(selector=None) ——返回后面全部的元素块,例:
1
2
3
|
d
=
pq(
"<p id='1'>hello</p><p id='2'>world</p><img scr='' />"
)
d(
'p:first'
).nextAll()
#返回[<p#2>, <img>]
d(
'p:last'
).nextAll()
#返回[<img>]
|
- not_(selector) ——返回不匹配选择器的元素,例:
1
2
|
d
=
pq(
"<p id='1'>test 1</p><p id='2'>test 2</p>"
)
d(
'p'
).not_(
'#2'
)#返回[<p#
1
>]
|
pyquery还有其他一些用法,这里没有一一整理出来,更多更全的方法可以直接去看它的文档。