pyquery 库详解

安装

pyquery官网地址

pip install pyquery

验证安装

In [1]: import pyquery

没报错即表示安装成功

pyquery

pyquery 介绍

虽然 xpath 与 Beautiful Soup 已经很强大了,不过语法还是过于啰嗦,pyquery提供了更加简洁优雅的语法,你可以像写jquery一般提取数据

数据初始化

In [1]: html = '''
   ...: <div>
   ...:     <ul>
   ...:         <li class="item-0">first item</li>
   ...:         <li class="item-1"><a href="link2.html">second item</a></li>
   ...:         <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
   ...:         <li class="item-1"><a href="link4.html">fourth item</a></li>
   ...:         <li class="item-0"><a href="link5.html">fifth item</a></li>
   ...:     </ul>
   ...: </div>
   ...: '''

In [2]: from pyquery import PyQuery as pq

In [3]: doc = pq(html)

In [4]: print(doc('li'))
<li class="item-0">first item</li>
        <li class="item-1"><a href="link2.html">second item</a></li>
        <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
        <li class="item-1"><a href="link4.html">fourth item</a></li>
        <li class="item-0"><a href="link5.html">fifth item</a></li>

初始化的数据还可以从url中获取

In [11]: doc_url = pq(url='https://www.python.org/')

In [12]: print(doc_url('title'))
<title>Welcome to Python.org</title>

除此,也可以传入文件初始化

doc_file = pq(filename='demo.html')

基本css选择器

In [2]: html = '''
   ...: <div id="container">
   ...:     <ul class="list">
   ...:         <li class="item-0">first item</li>
   ...:         <li class="item-1"><a href="link2.html">second item</a></li>
   ...:         <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
   ...:         <li class="item-1"><a href="link4.html">fourth item</a></li>
   ...:         <li class="item-0"><a href="link5.html">fifth item</a></li>
   ...:     </ul>
   ...: </div>
   ...: '''

In [4]: from pyquery import PyQuery as pq

In [5]: doc = pq(html)

In [6]: print(doc('#container .list li'))
<li class="item-0">first item</li>
        <li class="item-1"><a href="link2.html">second item</a></li>
        <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
        <li class="item-1"><a href="link4.html">fourth item</a></li>
        <li class="item-0"><a href="link5.html">fifth item</a></li>


In [7]: print(type(doc('#container .list li')))
<class 'pyquery.pyquery.PyQuery'>

查找节点

find()

In [8]: items = doc('.list')

In [10]: print(type(items))
<class 'pyquery.pyquery.PyQuery'>

In [11]: print(items)
<ul class="list">
        <li class="item-0">first item</li>
        <li class="item-1"><a href="link2.html">second item</a></li>
        <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
        <li class="item-1"><a href="link4.html">fourth item</a></li>
        <li class="item-0"><a href="link5.html">fifth item</a></li>
    </ul>


In [12]: lis = items.find('li')

In [13]: print(type(lis))
<class 'pyquery.pyquery.PyQuery'>

In [14]: print(lis)
<li class="item-0">first item</li>
        <li class="item-1"><a href="link2.html">second item</a></li>
        <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
        <li class="item-1"><a href="link4.html">fourth item</a></li>
        <li class="item-0"><a href="link5.html">fifth item</a></li>

find()的查找范围是节点的所有后代节点

children()

查找直接子节点

In [15]: lis = items.children()

In [16]: print(type(lis))
<class 'pyquery.pyquery.PyQuery'>

In [17]: print(lis)
<li class="item-0">first item</li>
        <li class="item-1"><a href="link2.html">second item</a></li>
        <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
        <li class="item-1"><a href="link4.html">fourth item</a></li>
        <li class="item-0"><a href="link5.html">fifth item</a></li>


In [18]: items.children('.active')
Out[18]: [<li.item-0.active>]

In [19]: print(items.children('.active'))
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>

parent()

查找父节点

In [20]: container = items.parent()

In [21]: print(type(container))
<class 'pyquery.pyquery.PyQuery'>

In [22]: print(container)
<div id="container">
    <ul class="list">
        <li class="item-0">first item</li>
        <li class="item-1"><a href="link2.html">second item</a></li>
        <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
        <li class="item-1"><a href="link4.html">fourth item</a></li>
        <li class="item-0"><a href="link5.html">fifth item</a></li>
    </ul>
</div>

parents()

查找祖先节点

siblings()

兄弟节点

遍历节点

In [26]: lis = doc('li').items()

In [27]: print(type(lis))
<class 'generator'>

In [28]: for li in lis:
    ...:     print(li, type(li))
    ...:
<li class="item-0">first item</li>
         <class 'pyquery.pyquery.PyQuery'>
<li class="item-1"><a href="link2.html">second item</a></li>
         <class 'pyquery.pyquery.PyQuery'>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
         <class 'pyquery.pyquery.PyQuery'>
<li class="item-1"><a href="link4.html">fourth item</a></li>
         <class 'pyquery.pyquery.PyQuery'>
<li class="item-0"><a href="link5.html">fifth item</a></li>
     <class 'pyquery.pyquery.PyQuery'>

获取属性

# 选中class为item-0及active的a节点
In [29]: a = doc('.item-0.active a')

In [30]: print(a, type(a))
<a href="link3.html"><span class="bold">third item</span></a> <class 'pyquery.pyquery.PyQuery'>

In [31]: print(a.attr('href'))
link3.html

如果是多个节点的属性,就需要遍历节点获取

In [32]: a = doc('a')

In [33]: for item in a.items():
    ...:     print(item.attr('href'))
    ...:
link2.html
link3.html
link4.html
link5.html

获取文本

text()

In [35]: a = doc('.item-0.active a')

In [36]: print(a)
<a href="link3.html"><span class="bold">third item</span></a>

In [37]: print(a.text())
third item

html()

In [38]: li = doc('.item-0.active')

In [39]: print(li)
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>

In [41]: print(li.html())
<a href="link3.html"><span class="bold">third item</span></a>

在多个节点的情况下,如果要获取每个节点的内部html,需要遍历调用html()。而text()不需要遍历,会将所有节点取出文本后合并成一个字符串

节点操作

addClass 和 removeClass

In [42]: li = doc('.item-0.active')

In [43]: print(li)
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>


In [44]: li.removeClass('active')
Out[44]: [<li.item-0>]

In [45]: print(li)
<li class="item-0"><a href="link3.html"><span class="bold">third item</span></a></li>


In [46]: li.addClass('active')
Out[46]: [<li.item-0.active>]

In [47]: print(li)
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>

attr, text 和 html

In [48]: li = doc('.item-0.active')

In [49]: print(li)
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>


In [50]: li.attr('name', 'link')
Out[50]: [<li.item-0.active>]

In [51]: print(li)
<li class="item-0 active" name="link"><a href="link3.html"><span class="bold">third item</span></a></li>


In [52]: li.text('changed item')
Out[52]: [<li.item-0.active>]

In [53]: print(li)
<li class="item-0 active" name="link">changed item</li>


In [54]: li.html('<span>changed item</span>')
Out[54]: [<li.item-0.active>]

In [55]: print(li)
<li class="item-0 active" name="link"><span>changed item</span></li>

remove

In [56]: text = '''
    ...: <div class="wrap">
    ...:     Hello, World
    ...:     <p>This is a paragraph</p>
    ...: </div>
    ...: '''

In [57]: doc = pq(text)

In [58]: wrap = doc('.wrap')

In [59]: print(wrap.text())
Hello, World
This is a paragraph

如果我们不想要p节点内的text,就可以用remove将其移除

In [60]: wrap.find('p').remove()
Out[60]: [<p>]

In [61]: print(wrap.text())
Hello, World

伪类选择器

In [62]: doc = pq(html)

In [63]: li = doc('li:first-child')

In [64]: print(li)
<li class="item-0">first item</li>


In [65]: li = doc('li:last-child')

In [66]: print(li)
<li class="item-0"><a href="link5.html">fifth item</a></li>


In [67]: li = doc('li:nth-child(2)')

In [68]: print(li)
<li class="item-1"><a href="link2.html">second item</a></li>


In [69]: li = doc('li:gt(2)')

In [70]: print(li)
<li class="item-1"><a href="link4.html">fourth item</a></li>
        <li class="item-0"><a href="link5.html">fifth item</a></li>


In [71]: li = doc('li:nth-child(2n)')

In [72]: print(li)
<li class="item-1"><a href="link2.html">second item</a></li>
        <li class="item-1"><a href="link4.html">fourth item</a></li>


In [73]: li = doc('li:contains(second)')

In [74]: print(li)
<li class="item-1"><a href="link2.html">second item</a></li>
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 158,847评论 4 362
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 67,208评论 1 292
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 108,587评论 0 243
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,942评论 0 205
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 52,332评论 3 287
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,587评论 1 218
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,853评论 2 312
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,568评论 0 198
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,273评论 1 242
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,542评论 2 246
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 32,033评论 1 260
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,373评论 2 253
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 33,031评论 3 236
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,073评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,830评论 0 195
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,628评论 2 274
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,537评论 2 269

推荐阅读更多精彩内容