python爬虫select用法_python3爬虫(7)--使用pyquery的CSS选择器(Selectors)解析数据

在利用python进行就网页数据采集时,为们往往通过urllib或requests发送请求,返回的数据结构是json格式的,我们就使用json解析;其他格式的网页数据可以采用XPath(lxml)解析数据或者使用Beautiful Soup解析数据或者使用pyquery解析数据等很多方法。其中,pyquery同样是一个强大的网页解析工具,它提供了和jQuery类似的语法来解析HTML文档,支持CSS选择器,使用非常方便。

目录

1、准备及初始化

# pip install pyquery #安装

from pyquery import PyQuery as pq #引入

import requests

html = '''

nba

href1="/teams/#!/bucks">密尔沃基 雄鹿nba

618 - 4胜 6119.5

'''

'''*************1、初始化***********************'''

doc=pq(html)# 初始化:它的初始化方式有多种,比如直接传入字符串,传入URL,传人文件名,等等。

# doc=pq(requests.get('https://blog.csdn.net/weixin_41685388/category_9426224.html').text)

# doc=doc=pq(filename='demo.html')

2、使用pyquery的CSS选择器(Selectors)基本使用

CSS选择器

简易实例

说明[doc=pq(html) #html来自第1点:准备及初始化]*

*

选择所有的元素:doc('*')

element

p

选择所有的

元素:doc('p')

.class

.pidg

选择所有class='pidg' 的元素:doc('.pidg')

.class

p.pidg

选择 class='pidg'的<p>标签:doc('p.pidg')

#id

#name

选择所有id="name"的元素:doc('#name')

#id

a#name

选择 id= 'name' 的<p>标签:doc('p#name')

element,element

p,a

选择所有的

和元素:doc('p,a')

elment element

div p

选择所有的div元素下所有的

元素:doc('div p')  #中间用空格

elment>element

div>td

选择父元素为

元素的所有元素:doc('div>td')

elment+element

p+td

选择紧接在

元素之后的所有

元素:doc('p+td') #同级

element~element

td~td

选择前面有

元素的每个元素:doc('td~td').text() #18 - 4 胜 6 119.5

理解:前面一个

元素的text() 是6,没有输出哦!!!

[attribute]

[href]

选择带有href属性的所有元素:doc("[href]")

[attribute=value]

[href=bucks]

选择href=bucks的所有元素:doc("[href=bucks]") /doc('[href="bucks"]')

[attribute=value]

a[href="bucks"]

选择元素属性href="bucks"的元素:doc('a[href="bucks"]')

[attribute=value

[class="nobr player desktop"]

选择class="nobr player desktop"的所有元素:

doc('[class *="nobr player desktop"]')

[attribute~=value]

[class~=desktop]

选择class属性包含字符串desktop的所有元素:doc("[class~=desktop]")

[attribute|=value]

[href |= bucks]

选择href属性值以"bucks"开头的所以元素:doc('[href |= bucks]') #调试不稳定

[attribute^=value]

a[href ^= bu]

选择href属性值以"bu"开头的每个元素:doc('a[href ^= bu]')

[attribute$=value]

a[href $=cks]

选择href属性值以"bu"结尾的每个元素:doc('a[href $=cks]')

[attribute*=value]

[class*=desktop]

选择class属性包含字符串desktop的所有元素:doc("[class*=desktop]")

3、伪类选择器

CSS选择器支持多种伪类选择器,如选择第一个节点、最后一个节点、第n个节点、包含指定文本的节点等。

方法

说明

案例[doc=pq(html) #html来自第1点:准备及初始化]

:first-child

获取第一个节点

doc("tr>td:first-child")

:last-child

获取最后一个节点

doc("tr>td:last-child")

:nth-child(N)

获取第N个节点,N=1,2,...

doc("tr>td:nth-child(2)")

:nth-child(2n)

获取偶数位置的全部节点

doc("tr>td:nth-child(2n)")

:nth-child(2n-1)

获取奇数位置的全部节点

doc("tr>td:nth-child(2n-1)")

:gt(N)

获取索引大于N的节点,N=0,1,...

doc("tr>td:gt(1)")

:contains('雄鹿')

获取文本包含"雄鹿"的节点

doc("td:contains('雄鹿')")

4、遍历、获取信息(属性、文本)

方法

说明

案例[doc=pq(html) #html来自第1点:准备及初始化]

.items()

遍历多节点

for td in doc('tr>td').items():

print(td)

.attr()

获取属性

doc("a").attr("href")

.attr.

获取属性

doc("a").attr.href

.text()

获取文本

doc("a").text() #密尔沃基 雄鹿nba

.html()

获取节点内部的HTML文本

doc("a").html() #密尔沃基 雄鹿nba

5、子(孙)节点,父(祖)节点查找、兄弟节点的查找

方法

说明

案例[doc=pq(html) #html来自第1点:准备及初始化].find()

查找符合条件的所有子孙节点

doc('div').find('td')

.children()

查找直接子节点

doc('td[class="nobr player desktop"]').children()

.children()

查找符合条件的直接子节点

doc('td[class="nobr player desktop"]').children('a[href="bucks"]')

.parent()

查找直接父节点

doc('a[href="bucks"]').parent()

.parent()

查找符合条件的父节点

doc('a[href="bucks"]').parent('td[class="nobr player desktop"]')

.parents()

查找祖先节点

doc('a[href="bucks"]').parents()

.parents()

查找符合条件的祖先节点

doc('a[href="bucks"]').parents('td[class="nobr player desktop"]')

.siblings()

查找全部兄弟标签

doc('td[href="href01"]').siblings()

.siblings()

查找符合条件的兄弟标签

doc('td[href="href01"]').siblings('td[class *= "nobr"]')

6、节点操作

为了提取方便,我们可以修改我们已经获取的html的节点,如在指定位置添加class,移除不需要的某个(些)节点等。

方法

说明

案例[doc=pq(html) #html来自第1点:准备及初始化]

removeClass()

移除class属性

r=doc("tr>td").removeClass("center") 或者r=doc("tr>td").remove_class("center")

addClass()

添加class属性

r=doc("tr>td").addClass("nba")

r=doc("tr>td").add_class("nba")

attr()

添加属性a,值为nba

r=doc("tr>td").attr("a","nba")

text()

修改节点内文本为nba

r=doc("td>a").text("nba")

html()

修改节点内文本为nba

r=doc("td>a").html("nba")

remove()

移除指定节点

doc("tr").remove()

print(doc)

Jalen data analysis

发布了109 篇原创文章 · 获赞 108 · 访问量 1万+

私信

关注

标签:pyquery,doc,class,html,Selectors,href,节点,td,选择器

来源: https://blog.csdn.net/weixin_41685388/article/details/104076625

你可能感兴趣的:(python爬虫select用法_python3爬虫(7)--使用pyquery的CSS选择器(Selectors)解析数据)