PyQuery库

标签：关系   解析   代码   for   内容   pre   元素   一个   文本   

‘‘‘强大又灵活的网页解析库。如果你觉得正则写起来太麻烦，又觉得BeautifulSoup
语法太难记，如果你熟悉jQuery的语法，那么PyQuery就是你的绝佳选择。‘‘‘
from pyquery import PyQuery as pq
‘‘‘初始化‘‘‘
#字符串初始化
html = ‘‘‘
<div class="wrap">
    <div id="container">
        <ul class="list">
            <li class="item-0">first item</li>
            <li class="item-1"><a href="link2.html">second item</a></li>
            <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
            <li class="item-1 active"><a href="link4.html">fourth item</a></li>
            <li class="item-0"><a href="link5.html">fifth item</a></li>
        </ul>
    </div> 
</div>
‘‘‘
doc = pq(html)
print(doc(‘li‘))    #CSS选择器

#URL初始化
doc = pq(url="http://www.baidu.com")
print(doc(‘head‘))

#文件初始化
doc = pq(filename=‘demo.html‘)
print(doc(‘li‘))

‘‘‘基本CSS选择器‘‘‘
print("-基本CSS选择器-"*20)
doc = pq(html)
print(doc("#container .list li"))   #空格表示子孙关系，非直接父子关系
#子元素
items = doc(".list")
print(type(items),items)
lis = items.find(‘li‘)
print(type(lis),lis)
print(items.children())
print(items.children(‘.active‘))
#父元素
items = doc(‘.list‘)
parents = items.parents()   #返回所有的祖先元素
print(parents)
parent = items.parents(‘.wrap‘)
print(parent)
#兄弟元素
li = doc(".list .item-0.active")    #.item-0和.active之间无空格，表示并列同时满足，多类选择器。
print(li.siblings())
print(li.siblings(‘.active‘))

‘‘‘遍历‘‘‘
print("-遍历-"*20)
#单个元素
li = doc(".item-0.active")
print(li)
#多个元素
lis = doc(‘li‘).items()
print(type(lis))
for li in lis:
    print(li)

‘‘‘获取信息‘‘‘
print("-获取信息-"*20)
#获取属性
a = doc(".item-0.active a")
print(a)
print(a.attr(‘href‘))
print(a.attr.href)
#获取文本
a = doc(".item-0.active a")
print(a.text())
#获取HTML
a = doc(".item-0.active")
print(a)
print(a.html()) #获取标签里边的HTML代码

‘‘‘DOM操作‘‘‘
print("-DOM操作-"*20)
#addClass、removeClass
li = doc(‘.item-0.active‘)
print(li)
li.removeClass(‘active‘)    #将得到的li标签元素去除active类标签
print(li)
li.addClass(‘active‘)   #将得到的li标签元素添加active类标签
print(li)
#attr、css
li.attr(‘name‘,‘link‘)  #添加name属性值为link
print(li)
li.css(‘font-size‘,‘14px‘)  #添加一个css属性font-size值为14px
print(li)
#remove
htm = ‘‘‘
<div class="wrap">
    Hello,World
    <p>This is a paragraph.</p>
</div>
‘‘‘
do = pq(htm)
wrap = do(‘.wrap‘)
print(wrap.text())
wrap.find(‘p‘).remove()
print(wrap.text())

‘‘‘伪类选择器‘‘‘
print("-伪类选择器-"*20)
li = doc("li:first-child")  #得到第一个li
print(li)
li = doc("li:last-child")   #得到最后一个li
print(li)
li = doc("li:nth-child(2)") #得到第二个li
print(li)
li = doc("li:gt(2)")    #得到第二个以后的li
print(li)
li = doc("li:nth-child(2n)")    #返回第偶数个li
print(li)
li = doc("li:contains(second)") #返回包含second内容的li
print(li)

PyQuery库

标签：关系   解析   代码   for   内容   pre   元素   一个   文本   

原文地址：https://www.cnblogs.com/wisir/p/10029001.html