网络编程
位置：首页>> 网络编程>> Python编程>> python网络爬虫精解之pyquery的使用说明

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　　发布时间：2021-05-28 13:01:19　

标签：python,pyquery,网络爬虫

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

手机版 网络编程 asp之家 www.aspxhome.com