python网页爬虫数据分析_采用python的pyquery引擎做网页爬虫，进行数据分析

python下的  pyquery  很给力的 ！！！

pyquery 可以让你用jquery语法来对xml进行查询。这个API和jquery十分类似。如果利用lxml，pyquery对xml和html的操作将更加快速。

这个库并不是(至少还不是)一个可以和javascript互交的代码库。只是很喜欢jquery API并且在使用python的过程中，我真的很怀念jquery，所以我告诉我自己“让我们在python里面也使用jquery吧！”所以就有了这个库。

这个库可以有多种用途，比如我可以在将来用pyquery对纯http模板就行编辑，或者可以和Deliverance配套使用对样式进行操作.

这个项目现在基于mercurial开发，并用Bitbucket发布。我有权给任何想要审查代码的人权利。如果你想对代码进行贡献，给我电邮吧。

真心觉得比urllib2好用的多。

http://pypi.python.org/packages/source/p/pyquery/pyquery-0.3.tar.gz

解压缩

python setup.py install

就可以了，可能要安装ezsetup

现在的版本是0.3,还有一些jquery的东西没有实现，比如:radio,:password，以及一些ajax的功能，但是已经够用了，强烈推荐

>>> from pyquery import PyQuery as pq

>>>d = pq("") #可以直接拼HTML

可加载一段HTML字符串，或一个HTML文件，或是一个url地址

>>>d = pq(url='http://ops.ruifengyun.com/') #也可以打开一个url

>>> d('title') #取title元素

[

]

html()和text() ——获取相应的HTML块或文本块

>>> print d('title').text()

ops 自动运维项目 监控，实时数据，集群管理

根据HTML标签来获取元素

>>> d('.s') #根据类名获取元素

[

, , , , , , , ]

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

>>> a = d('#sshcreate li:e(2)').find('a') #复杂点的选择器也是可以的，看来支持的不错

>>> a.attr('href') #属性操作

'http://monitor.ruifengyun.com/'

#coding=utf-8

import urllib

from pyquery import PyQuery

res = urllib.urlopen('http://movie.douban.com/subject/2129132/').read()

d = PyQuery(res)

print "主演:"

for starring in d("a[rel='v:starring']"):

print PyQuery(starring).text()