python网络爬虫精解之pyquery的使用说明

编辑: admin 分类: python 发布时间: 2021-12-03 来源:互联网
目录
  • 一、pyquery的介绍
  • 二、pyquery的使用
    • 1、初始化工作
      • 字符串
      • URL
      • 文件初始化
    • 2、查找节点
      • （1）查找子节点
      • （2）匹配父节点
      • （3）匹配兄弟节点
    • 3、遍历
      • 4、获取信息
        • （1）获取属性
        • （2）获取文本
      • 5、节点操作
        • （1）为某个节点添加或删除一个class
        • （2）attr、text、html
        • （3）remove
      • 6、伪类选择器

      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="/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。

      到此这篇关于python网络爬虫精解之pyquery的使用说明的文章就介绍到这了,更多相关python pyquery 内容请搜索hwidc以前的文章或继续浏览下面的相关文章希望大家以后多多支持hwidc！

      【本文由：日本服务器 欢迎转载】
      更多阅读