pyquery库是jQuery的Python实现,可以用于解析HTML网页内容,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') # 此处url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:
9、修改属性值,例:
d('a').attr('href', 'http://baidu.com')
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[
]
本文源自:http://www.jb51.net/article/50069.htm