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
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
猜你喜欢
- 最近有在使用屏幕录制软件录制桌面,在用的过程中突发奇想,使用python能不能做屏幕录制工具,也锻炼下自己的动手能力。接下准备写使用pyth
- asp如何获知页面上的图象的实际尺寸大小?见下面的两个asp文件:<!--#include virtual="/i
- 我对这两种连接方式认识不够深,似乎朋友们对此也没有定论。请问哪一种更好呢?DSN是采用数据源的连接方式,其使用方法是: Conn.
- 代码如下:<% str = request("str") reg 
- 背景随着Web技术的发展和移动互联网的发展,Hybrid技术已经成为一种前端开发的主流技术方案。那什么是Hybrid App呢?Hybrid
- 功能:间隔5毫秒,快速点击屏幕某区域,循环45000000次from ctypes import *import timetime.slee
- 在 settings.py 中添加以下内容:LOGGING = { 'version': 1,
- ASP通过XMLDom在服务器端操作XML文件的主要方法和实现对于小数据量,xml文件在检索更新上于ACCESS有很多优势。我曾经测试过不用
- variables_to_restore函数,是TensorFlow为滑动平均值提供。之前,也介绍过通过使用滑动平均值可以让神经网络模型更加
- 十要:第一:要认真规划和分析。这是网页设计灵魂工作。创建站点之前,要明确你的网站主要针对哪些访问者,为哪些用户服务,要把握准主页题材第二:网
- Create PROC P_viewPage
- Python中默认安装的ftplib模块定义了FTP类,可用来实现简单的ftp客户端,用于上传或下载文件。ftp登陆连接from ftpli
- 一般事件事件浏览器支持描述onClickHTML: 2 | 3 | 3.2 |
- 很久没写blog,太忙了。没什么时间写复杂的东西,重新把颜色渐变效果写一遍。关于颜色的效果一般就两个,颜色梯度变化和样式的颜色渐变,前者在i
- 其实golang用一个函数可以构建一个并发队列,现在编写一个灵活可控的队列程序先定义一个工作type Worker struct { &nb
- 大名鼎鼎的FCKeditor终于在最近发布新版本了,与增加版本号不同,这次完全把它改名了,更名为CKeditor。这应该是和它的开发公司CK
- 目录 一、环境配置 二、ASP对Excel的基本操作 三、ASP操作Excel生成数据表 四、ASP操作Excel生成Chart图 五、服务
- 在了解了XHTML 2的进展之后,我们再来看看X/HTML 5 的进展。X/HTML 5酷在什么地方章节元素的构想X/HTML 5引入新的元
- 在开发的过程中,几乎不可能一次性就能写出毫无破绽的程序,断点调试代码是一个普遍的需求。作为前端开发工程师,以往我们开发的JavaScript
- 注册模块default.asp 代码如下:<!DOCTYPE html PUBLIC "-//