pyquery详解

目录:

文章目录

          • 前言
          • 简介
          • 使用
            • 初始化
            • 基本的css选择器(id,class)
            • 查找元素
            • 遍历
            • 获取信息
            • DOM操作
            • 进阶(和前端css选择器完全一致,均可以使用)

前言

该文章为学习崔dalao教程时,做的一些笔记。

好记性不如烂笔头

简介

PyQuery库也是一个非常强大又灵活的网页解析库,前端基础较好的人,使用更加方便,上手快,且功能更强大。

官方文档: http://pyquery.readthedocs.io/

使用
  • 初始化
    • 字符串初始化
    • URL初始化
    • 文件初始化 (对于本机文件)
# 演示数据
	html = '''
		
from pyquery import PyQuery as pq
doc = pyquery(html)  # 字符串初始化
doc = pyquery('http://www.baidu.com')  # URL初始化
doc = pyquery('文件路径')  # 文件初始化

print(doc('li'))  
"""
类似BeautifulSoup的tag选择器
与BeautifulSoup的区别,pyquery的该语句会匹配所有满足条件的内容
"""

# 以演示数据为例:
[, , , , ]
"""
该列表是由类型构成的
doc也是类型,即pyquery可以层层调用
"""
```
  • 基本的css选择器(id,class)
    print(doc(' #container'))   #加‘ # ’id选择
    print(doc('.item-0'))   #加‘ . ’类选择
    print(doc('#container .list li'))  # 选择id为continer下,类名为list的标签内的li
    print(doc('#continer .item-0'))  # 选择id为container的标签下的,类名为item-0的内容
    print(doc('#continer .item-0.active')) # 选择id为container的标签下的,类名为item-0&acitve的内容
    # 中间带有空格表示层级,不带空格表示并列
    
  • 查找元素
    • 子元素
    • 父元素
    • 兄弟元素
    from pyquery import PyQuery as pq
    doc = pq(html)
    items = doc('.list')
    print(type(items))
    print(items)
    
    # 子元素的查找
      # find方法
      lis = items.find('li')  # tag
      print(type(lis))
      print(lis)
    
      # children方法
      lis = items.children('.active')   # css选择器
      print(lis)
      # 两种方法,都可以使用css选择器和tag
      # 区别: find找下面所有满足条件的下级元素
      		# children找直接子元素里满足条件的内容
    # 父元素查找
      # parent方法(得到上一级父元素)
      container = items.parent()
      print(type(container))
      print(container)
    
      # parents方法(得到所有祖先元素)
      parents = items.parents()
      print(type(parents ))
      print(container)
      # 类型均为
      # 也可以使用css和tag进行筛选
    
    # 兄弟查找
       # siblings方法
       doc = pq(html)
       li = doc('.list .item-0.active')   # css选择
       print(li.siblings())  # 类型
    
    • 遍历

      当我们通过pyquery进行筛选时,我们可以获得一条结果,也可能获得多条,当结果不唯一时,我们会用到遍历

      # 当然,我们可以使用最基础的for方法
      doc = pq(html)
      b = doc('li') # 类型
      for a in b:
      	print(a)   # 类型
      	
      # 我们可以借助pyquery提供的items方法
      lis = doc('li').items()   # 类型
      print(type(lis))
      for li in lis:
          print(li) # 类型
         
       ### 注意区分各个值的类型,根据需要进行选择
      
  • 获取信息
    • 获取属性
    • 获取文本
    • 获取HTML
    from pyquery import PyQuery as pq
    doc = pq(html)
    a = doc('.item-0.active a')
    print(a)
    
    # 获取属性(2种方法)
    print(a.attr('href'))
    print(a.attr.href)
    
     # 获取文本
     print(a.text())
    
     # 获取HTML
     >>>print(li)
     
  • third item
  • >>>print(li.html()) # 获取其包裹的HTML third item
  • DOM操作

    对dom进行修改,增删

    • addClass、removeClass
    • attr、css
    • remove
      基本代码
      from pyquery import PyQuery as pq
      doc = pq(html)
      li = doc('.item-0.active')
      print(li)
      # 原始结果
      
  • first item
  • second item
  • third item
  • fourth item
  • fifth item
    • removeClass
     li.removeClass('active')  # 移除active类的属性
     print(li)
     # 结果
     
  • first item
  • second item
  • third item
  • fourth item
  • fifth item
    • addClass
      li.addClass('active')
      print(li)
      
  • first item
  • second item
  • third item
  • fourth item
  • fifth item
    • attr、css
    li.attr('name', 'link')
    # 若li无name属性,则添加name="link";若具有name属性,则修改其值为link
    li.css('font-size', '14px')
    # 添加样式,同attrs
    
    • remove
      可以用于筛选,排除,进而获取最后内容
    html = '''
     
    Hello, World

    This is a paragraph.

    ''' from pyquery import PyQuery as pq doc = pq(html) wrap = doc('.wrap') print(wrap.text()) wrap.find('p').remove() print(wrap.text()) # 结果为: Hello, World This is a paragraph. Hello, World
  • 进阶(和前端css选择器完全一致,均可以使用)
```
# 举例 (伪类选择器)
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('li:first-child')
print(li)
```

你可能感兴趣的:(学习笔记)