pyquery解析库提取数据特例

1.提取同名多标签中最后一个标签的文本 PyQuery.eq(index)

豆瓣TOP250中提取评价人数:

text='''

     
     9.7
     
     2029026人评价

'''

doc = PyQuery(text)
doc('.star span').eq(-1).text() #PyQuery.eq(index)用于同名标签筛选,index从0开始，-1表最后一个

# doc('.star span:last-child').text() 也可达到效果,第一个节点first-child，第n（n>1）个节点nth-child(n)

2.标签看起来不完整，文本含拉丁空格及换行符等

豆瓣TOP250中提取“导演，演员，上映时间，地区，类别”

可以看到，第一个p标签的class属性没有值，实际就是

，另外br标签看起来不完整，不管它，直接从p标签提取文本看看结果。
定位p的父标签如

，再选择第一个p标签，item.find(‘p’).eq(0)。先text().split(’ ‘)输出看一下结果列表有哪些字串元素，再进行详细提取。该例text()结果含有拉丁空格\xa0和换行\n，可据此进行split(’\n’)和split(’\xa0’)切片提取即可。

#试着提取导演和上映时间
doc = pq(text) #pq:PyQuery
position = doc('.bd p').eq(0).text().split('\n')[0].split('\xa0')[0]
time = doc('.bd p').eq(0).text().split('\n')[1].split('/')[1].strip()

注： 这里定位p的父标签仅仅就图片中的文本而言，具体请求链接后的文本定位视真实情况而定