python网络爬虫精解之pyquery的使用说明
作者：小狐狸梦想去童话镇 时间：2021-05-28 13:01:19
pyquery的使用
一、pyquery的介绍
使用pyquery需要在Web和了解jQuery的基础上，使用该CSS选择器。
二、pyquery的使用
1、初始化工作
使用pyquery初始化的方式有很多，传入的参数可以是字符串，也可以是URL和文件名，下面将一一介绍初始化方法。
字符串
html = '''
<html>
<head>
<meta charset="utf-8">
<title>test02.html</title>
<meta name="viewport" content="width=device-width, initial-scale=1.0">
</head>
<body>
<div id="container">
<iframe id="iframe" sandbox="allow-scripts" src="https://img.aspxhome.com/files/％E7％88％AC％E8％99％AB％E5％86％99％E4％BD％9C％E4％BB％A3％E7％A0％81％E6％B5％8B％E8％AF％95/test02.html"></iframe>
</div>
</body>
</html>
'''
from pyquery import PyQuery as pq
doc = pq(html)
print(doc('title'))
【运行结果】
<title>test02.html</title>
URL
URL以CSDN首页地址为例：
from pyquery import PyQuery as pq
doc = pq(url = 'https://www.csdn.net/')
print(doc('title'))
【运行结果】
<title>CSDN - 专业开发者社区</title>
文件初始化
我们将以下字符串保存为一个HTML文件，通过文件的形式进行初始化。
【test02.html】
<bookstore>
<book>
<title lang="eng">Harry Potter</title>
<price>29.99</price>
</book>
<book>
<title lang="eng">Learning XML</title>
<price>39.95</price>
</book>
</bookstore>
from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
print(doc('title'))
【运行结果】
<title lang="eng">Harry Potter</title>
<title lang="eng">Learning XML</title>
2、查找节点
（1）查找子节点
查找子节点时需要用到find（）方法，此时传入的参数是CSS选择器。
from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
item = doc('book')
print(item)
lis1 = item.find('title')
lis2 = item.find('price')
print(lis1)
print(lis2)
【运行结果】
<book>
<title lang="eng">Harry Potter</title>
<price>29.99</price>
</book><book>
<title lang="eng">Learning XML</title>
<price>39.95</price>
</book><title lang="eng">Harry Potter</title>
<title lang="eng">Learning XML</title>
<price>29.99</price>
<price>39.95</price>
可以看到，我们首先匹配的是book节点，然后匹配book节点下的子节点title和price。
其实使用find方法匹配的是所有的子孙节点，如果只是单纯匹配子节点可以使用children方法。
（2）匹配父节点
使用parent（）方法，如果是要匹配祖先节点，则需要使用parents（）方法。
（3）匹配兄弟节点
可以使用siblings（）方法。
3、遍历
对于获取到的内容如果是单个节点，则可以直接转换为字符串类型，而对于获取到多个节点，因其类型为PyQuery类型，需要对获取到的数据进行遍历，这是需要调用items（）方法。
from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
items = doc('title').items()
print(items)
print(type(items))
for i in items:
print(type(i))
print(i)
【运行结果】
<generator object PyQuery.items at 0x000002B79E13EF48>
<class 'generator'>
<class 'pyquery.pyquery.PyQuery'>
<title lang="eng">Harry Potter</title>
<class 'pyquery.pyquery.PyQuery'>
<title lang="eng">Learning XML</title>
4、获取信息
（1）获取属性
使用attr()方法
from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
items = doc('title')
for i in items.items():
print(i.attr('lang'))
【运行结果】
eng
eng
遍历获取到的数据，就能获得所有title节点的land属性值。
（2）获取文本
使用text()方法
from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
items = doc('title')
for i in items.items():
print(i.text())
【运行结果】
Harry Potter
Learning XML
同样是遍历，获取到每一个title节点的文本值。
5、节点操作
（1）为某个节点添加或删除一个class
调用的方法为addClass和removeClass
from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
items = doc('title')
for i in items.items():
print(i)
i.addClass('book01')
print(i)
i.removeClass('book01')
print(i)
【运行结果】
<title lang="eng">Harry Potter</title>
<title lang="eng" class="book01">Harry Potter</title>
<title lang="eng" class="">Harry Potter</title>
<title lang="eng">Learning XML</title>
<title lang="eng" class="book01">Learning XML</title>
<title lang="eng" class="">Learning XML</title>
可以看到，首先是打印最初始的title节点，加上class属性后再次打印，去掉class属性后再次打印。
（2）attr、text、html
attr：用来改变属性值；
text：用来改变文本值；
html：用来改变节点值；
（3）remove
移除不需要的节点值，将整个节点移除。
6、伪类选择器
支持多种伪类选择器，例如选择第一个节点、最后一个节点、奇数节点、偶数节点、以及包含指定文本的节点等。
来源：https://blog.csdn.net/gets_s/article/details/120400037
0
投稿猜你喜欢
设置SQLServer数据库中某些表为只读的多种方法分享
php实现比较全的数据库操作类
Python调用实现最小二乘法的方法详解
IE不支持overrideMimeType()方法，即使是IE7.
Python压缩解压缩zip文件及破解zip文件密码的方法
Python实现获取邮箱内容并解析的方法示例
浅谈java里的EL表达式在JSP中不能解析的问题
教你如何利用SQL Server保护数据
对Python3 goto 语句的使用方法详解
python 将dicom图片转换成jpg图片的实例
Python3 修改默认环境的方法
百分百弹窗
php中如何判断一个网页请求是ajax请求还是普通请求
使用python爬取taptap网站游戏截图的步骤
关于mysql与mysqli
可以用ASP生成由客户浏览器处理的客户端脚本吗？
简述 Python 的类和对象
php中支持多种编码的中文字符串截取函数!
成功的用户界面的八个特性[译]
python开发的自动化运维工具ansible详解
