python網絡爬蟲精解之pyquery的使用說明

Posted on by

pyquery的使用

一、pyquery的介紹

使用pyquery需要在Web和瞭解jQuery的基礎上，使用該CSS選擇器。

二、pyquery的使用

1、初始化工作

使用pyquery初始化的方式有很多，傳入的參數可以是字符串，也可以是URL和文件名，下面將一一介紹初始化方法。

字符串

html = '''
<html>

<head>
  <meta charset="utf-8">
  <title>test02.html</title>
  <meta name="viewport" content="width=device-width, initial-scale=1.0">
</head>

<body>
  <div id="container">
    <iframe id="iframe" sandbox="allow-scripts" src="/files/%E7%88%AC%E8%99%AB%E5%86%99%E4%BD%9C%E4%BB%A3%E7%A0%81%E6%B5%8B%E8%AF%95/test02.html"></iframe>
  </div>
</body>

</html>
'''
from pyquery import PyQuery as pq
doc = pq(html)
print(doc('title'))

【運行結果】

<title>test02.html</title>

URL

URL以CSDN首頁地址為例：

from pyquery import PyQuery as pq
doc = pq(url = 'https://www.csdn.net/')
print(doc('title'))

【運行結果】

<title>CSDN – 專業開發者社區</title>

文件初始化

我們將以下字符串保存為一個HTML文件，通過文件的形式進行初始化。

【test02.html】

<bookstore>
  <book>
    <title lang="eng">Harry Potter</title>
    <price>29.99</price>
  </book>

  <book>
    <title lang="eng">Learning XML</title>
    <price>39.95</price>
  </book>
</bookstore>

from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
print(doc('title'))

【運行結果】

<title lang=”eng”>Harry Potter</title>
<title lang=”eng”>Learning XML</title>

2、查找節點

（1）查找子節點

查找子節點時需要用到find（）方法，此時傳入的參數是CSS選擇器。

from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
item = doc('book')
print(item)
lis1 = item.find('title')
lis2 = item.find('price')
print(lis1)
print(lis2)

【運行結果】

<book>
<title lang=”eng”>Harry Potter</title>
<price>29.99</price>
</book>

<book>
<title lang=”eng”>Learning XML</title>
<price>39.95</price>
</book>

<title lang=”eng”>Harry Potter</title>
<title lang=”eng”>Learning XML</title>

<price>29.99</price>
<price>39.95</price>
可以看到，我們首先匹配的是book節點，然後匹配book節點下的子節點title和price。

其實使用find方法匹配的是所有的子孫節點，如果隻是單純匹配子節點可以使用children方法。

（2）匹配父節點

使用parent（）方法，如果是要匹配祖先節點，則需要使用parents（）方法。

（3）匹配兄弟節點

可以使用siblings（）方法。

3、遍歷

對於獲取到的內容如果是單個節點，則可以直接轉換為字符串類型，而對於獲取到多個節點，因其類型為PyQuery類型，需要對獲取到的數據進行遍歷，這是需要調用items（）方法。

from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
items = doc('title').items()
print(items)
print(type(items))
for i in items:
    print(type(i))
    print(i)

【運行結果】

<generator object PyQuery.items at 0x000002B79E13EF48>
<class ‘generator’>
<class ‘pyquery.pyquery.PyQuery’>
<title lang=”eng”>Harry Potter</title>

<class ‘pyquery.pyquery.PyQuery’>
<title lang=”eng”>Learning XML</title>

4、獲取信息

（1）獲取屬性

使用attr()方法

from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
items = doc('title')
for i in items.items():
    print(i.attr('lang'))

【運行結果】

eng
eng

遍歷獲取到的數據，就能獲得所有title節點的land屬性值。

（2）獲取文本

使用text()方法

from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
items = doc('title')
for i in items.items():
    print(i.text())

【運行結果】

Harry Potter
Learning XML

同樣是遍歷，獲取到每一個title節點的文本值。

5、節點操作

（1）為某個節點添加或刪除一個class

調用的方法為addClass和removeClass

from pyquery import PyQuery as pq
doc = pq(filename = 'test02.html')
items = doc('title')
for i in items.items():
    print(i)
    i.addClass('book01')
    print(i)
    i.removeClass('book01')
    print(i)

【運行結果】

<title lang=”eng”>Harry Potter</title>

<title lang=”eng” class=”book01″>Harry Potter</title>

<title lang=”eng” class=””>Harry Potter</title>

<title lang=”eng”>Learning XML</title>

<title lang=”eng” class=”book01″>Learning XML</title>

<title lang=”eng” class=””>Learning XML</title>

可以看到，首先是打印最初始的title節點，加上class屬性後再次打印，去掉class屬性後再次打印。

（2）attr、text、html

attr：用來改變屬性值；

text：用來改變文本值；

html：用來改變節點值；

（3）remove

移除不需要的節點值，將整個節點移除。

6、偽類選擇器

支持多種偽類選擇器，例如選擇第一個節點、最後一個節點、奇數節點、偶數節點、以及包含指定文本的節點等。

到此這篇關於python網絡爬蟲精解之pyquery的使用說明的文章就介紹到這瞭,更多相關python pyquery 內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：