Python 官方文档：入门教程 => 点击学习
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
pyquery的使用
使用pyquery需要在WEB和了解Jquery的基础上，使用该CSS选择器。
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。
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以CSDN首页地址为例：
【运行结果】
<title>CSDN - 专业开发者社区</title>
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>
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。
使用parent（）方法，如果是要匹配祖先节点，则需要使用parents（）方法。
可以使用siblings（）方法。
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>
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。
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。
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。
attr：用来改变属性值；
text：用来改变文本值；
html：用来改变节点值；
移除不需要的节点值，将整个节点移除。
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 内容请搜索编程网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编程网！
--结束END--
本文标题: python网络爬虫精解之pyquery的使用说明
本文链接: https://www.lsjlt.com/news/136797.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
下载Word文档到电脑，方便收藏和打印～
2024-03-01
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
官方手机版
微信公众号
商务合作
0