Python中PyQuery库的使用总结

pyquery库是jQuery的Python实现，可以用于解析HTML网页内容，我个人写过的一些抓取网页数据的脚本就是用它来解析html获取数据的。他的官方文档地址是：http://packages.python.org/pyquery/。今天重新看了一遍整个文档，把它的一些使用方法整理了一下，做个记录。

使用方法
from pyquery import PyQuery as pq

1.可加载一段HTML字符串，或一个HTML文件，或是一个url地址，

例：

d=pq("")

d=pq(filename=path_to_html_file)

d=pq(url='http://www.baidu.com')注意：此处url似乎必须写全

2.html()和text() ——获取相应的HTML块或文本块，

例：
p=pq("")
p('head').html()#返回
p('head').text()#返回hello

3.根据HTML标签来获取元素，

例：

d=pq('

test 1

test 2

')

d('p')#返回[

,

]

print d('p')#返回

test 1

test 2

print d('p').html()#返回test 1

注意：当获取到的元素不只一个时，html()、text()方法只返回首个元素的相应内容块

4.eq(index) ——根据给定的索引号得到指定元素
接上例，若想得到第二个p标签内的内容，则可以：
print d('p').eq(1).html() #返回test 2

5.filter() ——根据类名、id名得到指定元素，例：
d=pq("

test 1

test 2

")
d('p').filter('#1') #返回[]
d('p').filter('.2') #返回[]

6.find() ——查找嵌套元素，例：
d=pq("

test 1

test 2

")
d('div').find('p')#返回[, ]
d('div').find('p').eq(0)#返回[]

7.直接根据类名、id名获取元素，例：
d=pq("

test 1

test 2

")
d('#1').html()#返回test 1
d('.2').html()#返回test 2

8.获取属性值，例：
d=pq("

hello

")
d('a').attr('href')#返回http://hello.com
d('p').attr('id')#返回my_id

9.修改属性值，例：
d('a').attr('href', 'http://baidu.com')把href属性修改为了baidu


10.addClass(value) ——为元素添加类，例：
d=pq('

')
d.addClass('my_class')#返回[]

11.hasClass(name) #返回判断元素是否包含给定的类，例：
d=pq("

")
d.hasClass('my_class')#返回True

12.children(selector=None) ——获取子元素，例：
d=pq("

hello

world

")
d.children()#返回[, ]
d.children('#2')#返回[]

13.parents(selector=None)——获取父元素，例：
d=pq("

hello

world

")
d('p').parents()#返回[]
d('#1').parents('span')#返回[]
d('#1').parents('p')#返回[]

14.clone() ——返回一个节点的拷贝

15.empty() ——移除节点内容

16.nextAll(selector=None) ——返回后面全部的元素块，例：
d=pq("

hello

world

")
d('p:first').nextAll()#返回[, ]
d('p:last').nextAll()#返回[]

17.not_(selector) ——返回不匹配选择器的元素，例：
d=pq("

test 1

test 2

")
d('p').not_('#2')#返回[]

pyquery还有其他一些用法，这里没有一一整理出来，更多更全的方法可以直接去看它的文档。