python網絡爬蟲精解之pyquery的使用說明
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:
- python 實現添加標簽&打標簽的操作
- Python爬蟲必備之XPath解析庫
- Python爬蟲之解析HTML頁面詳解
- Python爬蟲獲取國外大橋排行榜數據清單
- 利用Python實時獲取steam特惠遊戲數據