python 解析html网页

pyquery库是jQuery的Python实现,可以用于解析HTML网页内容,使用方法:

代码如下:

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:

代码如下:

d = pq("hello")
d = pq(filename=path_to_html_file)
d = pq(url='http://www.baidu.com') # 此处url必须写全


2、html() 和 text() ——获取相应的HTML块或文本块,例:

代码如下:

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


3、根据HTML标签来获取元素,例:

代码如下:

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:

代码如下:

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:

代码如下:

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:

代码如下:

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:

代码如下:

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:

代码如下:

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:

代码如下:

d('a').attr('href', 'http://baidu.com')

10、addClass(value) ——为元素添加类,例:

代码如下:

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:

代码如下:

d = pq("
")
d.hasClass('my_class')   # 返回True


12、children(selector=None) ——获取子元素,例:

代码如下:

d = pq("

hello

world

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


13、parents(selector=None)——获取父元素,例:

代码如下:

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:

代码如下:

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:

代码如下:


d = pq("

test 1

test 2

")
d('p').not_('#2')    # 返回[]

 

本文源自:http://www.jb51.net/article/50069.htm

转载于:https://www.cnblogs.com/iamjqy/p/6824444.html

你可能感兴趣的:(python 解析html网页)