学习PyQuery库

学习PyQuery库

好了，又是学习的时光啦，今天学习pyquery 来进行网页解析

常规导入模块（PyQuery库中的pyquery类）

from pyquery import PyQuery as pq

通常使用url初始化

doc = pq(url='http://www.baidu.com')

文件初始化

doc = pq(filename='demo.html')

基本CSS选择器的使用，以起点中文网的为例子

doc = pq(url='https://www.qidian.com/free/all')

下面来获取小说名字信息

1.打开浏览器，进入要分析的网页

2.F12开发人员调试工具



3.进行元素检查

4.定位到爬取节点指定位置

5.分析一下 我们自己写 CSS选择器方法

id 使用的是# class 使用的是英文句号 空格代表 层级关系

此时我们先使用语句来获取页面中的所有<h4>的元素

doc = pq(url='https://www.qidian.com/free/all')

a = doc('h4').items()

for i in a:

print(i)

迭代出所筛选出来的结果

但也会遇到上面的情况，共同是h4元素的，但筛选到我们不想要的数据。

这时我们可以采用往上级找，直到找到有区别的元素。

doc = pq(url='https://www.qidian.com/free/all')
a = doc('.book-mid-info h4').items()
for i in a:
    print(i)

得到了期待的数据！！！（要还是有那前两个，说明还定位不够准确，再往上一层走）

我们如果要获取简介内容，我们可以下图方式代码 获取子节点（记得find方法是子孙节点）

但上图也没抓取我们特别想要的信息呀，这时发现 我们所指定的解析底下有很多li标签 里标签底下又有很多内容，所以此时还得继续往下解析。

首先我们用children方法查找子节点，然后使用items方法来得到一个生成器，将数据遍历打印或者添加到列表中，方便数据存储和最终结果打印。

此时我们来获取一下小说的图片链接试试 利用attrs方法 来返回属性字典 进一步获取value值。

怎么来抓取解析节点 理清层级关系 利用好 F12来分析就好啦！！！

总结一下：

id 使用的是# class 使用的是英文句号 空格代表 层级关系

find()方法是遍历子孙节点

chlidren()方法是获取节点的子节点（看上面实例也支持往下继续选择节点）

parent()方法是获取节点的父节点

parents()方法是获取节点的所有父节点（下面实例从所有祖先节点中挑选出符合条件的节点）

parent = items.parents('.wrap')
print(parent)

siblings()方法是获取兄弟节点（下面实例从所有兄弟节点中挑选出符合条件的节点）

from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.list .item-0.active')
print(li.siblings('.active'))

items()方法是用于遍历每一个节点结果

attr()方法是返回属性字典 进一步获取value值

text()方法是获取节点内部文本（Tips：当内容中前后出现\n 空格 可配合strip()来删除）

也可以百度学习下伪类选择器来获取节点数据，而且右键就能copy出表达式！！！