pyquery 提取网页内容

from pyquery import PyQuery

html = '''

    

'''
p = PyQuery(html)

• html()：获取相应的 HTML 块

p('head').html()
>>> 

• text()：获取文本块

p('head').text()
>>> 'hello'

---

根据 HTML 标签来获取元素

from pyquery import PyQuery

html = '''

    
test 1
    
test 2

'''
p = PyQuery(html)

# 获取所有p标签
p('p')
>>> [
, 
]

print(p('p'))
>>> 
test 1
    
test 2

• eq： 根据给定的索引号得到指定元素

# 获取第一个p标签的内容
p('p').eq(0).html()
>>> 'test 1'

# 获取第二个p标签的内容
p('p').eq(1).html()
>>> 'test 2'

# 不用 eq 方法默认返回第一个
p('p').html()
>>> 'test 1'

---

根据类名、id 名得到指定元素

from pyquery import PyQuery

html = '''

    
test 1
    
test 2

'''
p = PyQuery(html)

• filter()：选择器

# 返回 id='1' 的p标签内容
p('p').filter('#1').html()
>>> 'test 1'

# 返回 class='abc'  的p标签内容
p('p').filter('.abc').html()
>>> 'test 2'

---

查找嵌套元素

from pyquery import PyQuery

html = '''

    
test 1
    
test 2

'''
p = PyQuery(html)

• find()

# 查找div下的p标签
>>> p('div').find('p')
[, ]

# 返回div下的第一个p标签内容
p('div').find('p').eq(0).html()
>>> 'test 1'

---

根据类名、id 名获取元素

from pyquery import PyQuery

html = '''

    
test 1
    
test 2

'''
p = PyQuery(html)

# 根据id名获取元素
p('#1').html()
>>> 'test 1'

# 根据class名获取元素
>>> p('.abc').html()
'test 2'

---

获取属性值

from pyquery import PyQuery

html = '''

    hello

'''
p = PyQuery(html)

• attr()

# 获取a标签的href属性
p('a').attr('href')
>>> 'http://hello.com'

---

获取子元素

from pyquery import PyQuery

html = '''

    
hello
    
world

'''
p = PyQuery(html)

• children()

# 提取div的所有子元素
p.children()
>>> [, ]

# 提取div下id=‘1’的子元素
p.children('#1')
>>> []

---

获取父元素

from pyquery import PyQuery

html = '''

    
hello
    
world

'''
p = PyQuery(html)

• parents()

# 提取p标签的父元素
p('p').parents()
>>> []