PyQuery库学习

爬虫

pyquery：一个类似jquery的python库

pyquery允许您在xml文档上进行jquery查询。API尽可能与jquery类似。pyquery使用lxml进行快速xml和html操作。参考：手册

1、初始化处理

html = '''
    <div id="wrap">
        <ul class="s_from">
            asdasd
            <link href="http://asda.com">asdadasdad12312</link>
            <link href="http://asda1.com">asdadasdad12312</link>
            <link href="http://asda2.com">asdadasdad12312</link>
        </ul>
    </div>
'''

from pyquery import PyQuery as pq
from lxml import etree
#传html，传url，传文件。
doc = pq(html)
doc = pq(url = 'http://www.baidu.com')
doc = pq(friename = 'demo.html')

2、基本操作

1、查找子节点，父节点，兄弟节点

items=doc("#wrap")  #定位到这个id标签
link = items.find('.s_from')  # 找到items里面这个节点
link = items.children() #找到items里面所有节点。
link = items.children('link') #所有节点再找到link点
items=doc(".s_from")  #父节点
parent_href=items.parent() #一个父节点
parent_href=items.parents()#所有父节点
siblings_href=items.siblings()
siblings_href=items.siblings(’id')  #找到兄弟节点中有这个标签的
print(doc('#container .list li')) #查找id为container里面的class为list的li标签

2、节点的遍历

list = doc("link").items()
for lt in list:
   print(lt)
带有items属性的节点可以循环

3、获取节点属性,文本，标签中html代码

its=doc("link").items()
for it in its:
    print(it.attr('href'))  # attr属性值
    print(it.attr.href)
its=doc("link").items()
for it in its:
    print(it.text())
its=doc("link").items()
for it in its:
    print(it.html())

4、DO操作

.addClass(value)：添加标签
.removerClass(value)：移除标签
.hasClass(name)：判断是否包含指定的 class，返回 True 或 False；

5、伪类选择器

较少用到

参考：PYTHON PYQUERY 基本用法/神经质的狗