css selecotor选择器，pyquery学习

PyQuery库也是一个非常强大又灵活的网页解析库，如果你有前端开发经验的，都应该接触过jQuery,那么PyQuery就是你非常绝佳的选择，PyQuery 是 Python 仿照 jQuery 的严格实现。语法与 jQuery 几乎完全相同，所以不用再去费心去记一些奇怪的方法了。本文只介绍一些常用方法，更多请参照：
官网地址：http://pyquery.readthedocs.io/en/latest/
jQuery参考文档： http://jquery.cuishifeng.cn/
样例html：

html = '''


    
    


    
想进入基佬的大门吗？还等什么，快点击吧
    
my name is satori
    

        
古明地恋
    
    

        

            

                
姓名：
                

            
            

                
密码：
                

            
            

                

                

            
        
    
    百度
    雅虎

   

一 pyquery可接收对象

1 html字符串

from pyquery import PyQuery as pq
doc = pq(html) #字符串的初始化
print(doc('head')

2 html文件

from pyquery import PyQuery as pq
doc = pq(filename='index.html') #接收html文件
print(doc('head')

3 一个网址

from pyquery import PyQuery as pq
doc = pq('https://www.baidu.com') #接受一个网址，自动下载，生成pq对象
print(doc('head')

二 使用选择器

• 标签选择器

print(doc('head'))  打印出来的仍然是一个PyQuery类型
print(str(doc('head')))  打印出来是一个字符串 
print(doc('doc').html())  或者调用html方法，但是此时获取到的内容不包含head标签，也是一个str类型
如果有很多标签，比如a标签,在调用html方法的时候，只会打印第一个a标签里面的内容
获取文本
print(doc('head').text())

• css选择器

print(doc('table tbody .tr td'))  获取table下的class=tr的标签下的所有td标签
print(doc('table tbody .tr td').eq(0)) 获取第一个（就算索引越界，也不会报错，而是打印空行）
# 常用方法
doc(".color")：获取class=color的标签
doc("#color")：获取id=color的标签
doc("*")：获取所有的标签
doc("p")：获取所有的p标签
doc("div,p")：获取所有的div标签和p标签
doc("div p")：获取所有div标签内部的p标签
doc("[target]")：选择带有target属性的所有元素
doc("[target=_blank]")：选择带有target=_blank的所有元素 

三 find()和 filter()

find 和filder区别：
filter() ：是过滤所有符合条件的标签
find()： 在符合条件的标签内部找
例子：
p("p").filter(".fuck")表示的是有很多的p标签，我在选出的这么多p标签中，找到class=fuck的p标签
p("p").find(".fuck")表示的是有很多的p标签，我在选出的这么多p标签中，找到其内部满足class=fuck的其他标签

四 节点查找

tbody= doc('tbody') 
print(tbody.find('tr'))  find()的查找范围是节点的所有子孙节点
print(tbody.children('tr'))  只查找子节点
print(tbody.parent('tr'))  查找父节点
print(tbody.parents('tr'))  查找祖先节点
print(tbody.siblings('tr'))  查找兄弟节点

五 遍历

pyquery的选择结果可能是多个节点，也可能是单个节点，类型都是PyQuery类型，并没有返回像Beautiful Soup那样的列表，通过items函数来生成遍历列表。

trs= doc('tr').items()
for tr in trs:
    print(tr.find('td'))

六 获取信息

• 获取属性attr

a = doc('._target')
print(a.attr('href')) 注意如果选中的有多个a标签，这时候调用attr()方法只会返回第一个a的属性值，次是就只能通过遍历a.items()来获取对应的属性值了

• 获取文本text

p = doc('#bili')
p.text()  选取p标签内部的所有纯文本
p.html() 选取p标签内部包含html的文本
这个地方值得注意，如果得到的结果是多个节点，并且想要获取每个节点的内部HTML文本，则需要遍历每个节点。而text()方法不需要遍历就可以获取，它将所有节点取文本之后合并成一个字符串。

七 节点操作

p = doc('#bili')
p.addClass('active') 为p节点添加class 的active属性
p.removeClass('active') 删除p节点class 的active属性
p.remove() 删除p节点
除了操作class这个属性外，也可以用attr()方法对属性进行操作。此外，还可以用text()和html()方法来改变节点内部的内容
html = '''

     
third item

'''
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.item-0.active')
print(li)
li.attr('name', 'link') 第一个参数为属性名，第二个参数为属性值
li.text('changed item') 直接传入修改后的text内容
li.html('changed item') 直接传入修改后的html内容

总结：
如果attr()方法只传入第一个参数的属性名，则是获取这个属性值；如果传入第二个参数，可以用来修改属性值。text()和html()方法如果不传参数，则是获取节点内纯文本和HTML文本；如果传入参数，则进行赋值。
此外，还有很多节点操作，参照官方文档：http://pyquery.readthedocs.io/en/latest/api.html

八 伪类选择器

CSS选择器之所以强大，还有一个很重要的原因，那就是它支持多种多样的伪类选择器，例如选择第一个节点、最后一个节点、奇偶数节点、包含某一文本的节点等

html = '''

    

        

             
first item
             
second item
             
third item
             
fourth item
             
fifth item
         
     
 
'''
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('li:first-child') # 选择第一个节点
li = doc('li:last-child')  # 选择最后一个节点
li = doc('li:nth-child(2)') # 选择第二个节点
li = doc('li:gt(2)')  # 第三个li之后的li节点
li = doc('li:nth-child(2n)') # 偶数位置的li节点