爬虫之PyQuery的base了解

  • pyquery库是jQuery的Python实现，能够以jQuery的语法来操作解析 HTML 文档，易用性和解析速度都很好，和它差不多的还有BeautifulSoup，都是用来解析的。相比BeautifulSoup完美翔实的文档，虽然PyQuery库的文档弱爆了， 但是使用起来还是可以的，有些地方用起来很方便简洁。

  • 本地文件test.html

    <html lang="en">
    
<head>
    
	<meta charset="UTF-8" />
    
	<title>测试bs4</title>
    
</head>
    
<body>
    
	<div>
    
		<p>百里守约</p>
    
	</div>
    
	<div class="song">
    
		<p>李清照</p>
    
		<p>王安石</p>
    
		<p>苏轼</p>
    
		<p>柳宗元</p>
    
		<a href="http://www.song.com/" title="赵匡胤" target="_self">
    
			<span>this is span</span>
    
		宋朝是最强大的王朝，不是军队的强大，而是经济很强大，国民都很有钱</a>
    
		<a href="" class="du">总为浮云能蔽日,长安不见使人愁</a>
    
		<img src="http://www.baidu.com/meinv.jpg" alt="" />
    
	</div>
    
	<div class="tang">
    
		<ul>
    
			<li><a href="http://www.baidu.com" title="qing">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a></li>
    
			<li><a href="http://www.163.com" title="qin">秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山</a></li>
    
			<li><a href="http://www.126.com" alt="qi">岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君</a></li>
    
			<li><a href="http://www.sina.com" class="du">杜甫</a></li>
    
			<li><a href="http://www.dudu.com" class="du">杜牧</a></li>
    
			<li><b>杜小月</b></li>
    
			<li><i>度蜜月</i></li>
    
			<li><a href="http://www.haha.com" id="feng">凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘</a></li>
    
		</ul>
    
	</div>
    
</body>
    
</html>

1.打开html本地文件：

from pyquery import PyQuery as pq

with open('./test.html','r',encoding='utf-8')as f:

    content = f.read()

doc = pq(content)

print(type(doc))#<class 'pyquery.pyquery.PyQuery'>

2.打开网址

from pyquery import PyQuery as pq

doc = pq('https://www.baidu.com',encoding='utf-8')

print(doc('head'))

#打印百度的头信息

3.基于CSS选择器查找

from pyquery import PyQuery as pq

with open('./test.html','r',encoding='utf-8')as f:

    content = f.read()

doc = pq(content)

print(doc('.tang ul li'))

#注意层级关系以空格隔开

4.选择器

5.查找当前标签的父或子标签

from pyquery import PyQuery as pq

html="""

<div class="tang">

		<ul>

			<li class="shi"><a href="http://www.baidu.com" title="qing">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a></li>

			<li><a href="http://www.163.com" title="qin">秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山</a></li>

			<li><a href="http://www.126.com" alt="qi">岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君</a></li>

			<li><a href="http://www.sina.com" class="du">杜甫</a></li>

			<li><a href="http://www.dudu.com" class="du">杜牧</a></li>

			<li><b>杜小月</b></li>

			<li><i>度蜜月</i></li>

			<li><a href="http://www.haha.com" id="feng">凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘</a></li>

		</ul>

	</div>

"""

doc = pq(html)

item = doc('div ul')

# print(item)

print(item.children())#li签，查找父标签

print(item.parent())#div签,查找子标签

print(item.children('[class]'))#拿到li签，并且带有class属性

6.获取属性值

from pyquery import PyQuery as pq

html="""

<div class="tang">

		<ul>

			<li class="shi"><a href="http://www.baidu.com" title="qing">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a></li>

			<li><a href="http://www.163.com" title="qin">秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山</a></li>

			<li><a href="http://www.126.com" alt="qi">岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君</a></li>

			<li><a href="http://www.sina.com" class="du">杜甫</a></li>

			<li><a href="http://www.dudu.com" class="du">杜牧</a></li>

			<li><b>杜小月</b></li>

			<li><i>度蜜月</i></li>

			<li><a href="http://www.haha.com" id="feng">凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘</a></li>

		</ul>

	</div>

"""

doc = pq(html)

item = doc('div ul li a')

print(item.attr('href'))#http://www.baidu.com

print(item.attr('title'))#qing

7.获取标签的内容

from pyquery import PyQuery as pq

html="""

<div class="tang">

		<ul>

			<li class="shi"><a href="http://www.baidu.com" title="qing">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a></li>

			<li><a href="http://www.163.com" title="qin">秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山</a></li>

			<li><a href="http://www.126.com" alt="qi">岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君</a></li>

			<li><a href="http://www.sina.com" class="du">杜甫</a></li>

			<li><a href="http://www.dudu.com" class="du">杜牧</a></li>

			<li><b>杜小月</b></li>

			<li><i>度蜜月</i></li>

			<li><a href="http://www.haha.com" id="feng">凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘</a></li>

		</ul>

	</div>

"""

doc = pq(html)

item = doc('a').text()

print(item)

#清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村 秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山 岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君 杜甫 杜牧 凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘

8.其他用法

from pyquery import PyQuery as pq

html="""

<div class="tang">

		<ul>

			<li class="shi"><a href="http://www.baidu.com" title="qing">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a></li>

			<li><a href="http://www.163.com" title="qin">秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山</a></li>

			<li><a href="http://www.126.com" alt="qi">岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君</a></li>

			<li><a href="http://www.sina.com" class="du">杜甫</a></li>

			<li><a href="http://www.dudu.com" class="du">杜牧</a></li>

			<li><b>杜小月</b></li>

			<li><i>度蜜月</i></li>

			<li><a href="http://www.haha.com" id="feng">凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘</a></li>

		</ul>

	</div>

"""

doc = pq(html)

item = doc('div ul')

# item = doc('a').text()

print(item.find('li a'))

#遍历循环li下的a标签。

for i in item.find('li a'):

    print(dir(i))

    # print(i.attrib)#{'href': 'http://www.baidu.com', 'title': 'qing'}里面当前a签所有的属性

    print(i.text)#a标签内容

    print(i.tag)# a标签

    print(i.values)#一个绑定对象<bound method _Element.values of <Element a at 0x201328bfcc8>>

爬虫之PyQuery的base了解的更多相关文章

  1. Python爬虫之PyQuery使用（六）

    Python爬虫之PyQuery使用 PyQuery简介 pyquery能够通过选择器精确定位 DOM 树中的目标并进行操作.pyquery相当于jQuery的python实现,可以用于解析HTML网 ...

  2. # Python3微博爬虫[requests+pyquery+selenium+mongodb]

    目录 Python3微博爬虫[requests+pyquery+selenium+mongodb] 主要技术 站点分析 程序流程图 编程实现 数据库选择 代理IP测试 模拟登录 获取用户详细信息 获取 ...

  3. # [爬虫Demo] pyquery+csv爬取猫眼电影top100

    目录 [爬虫Demo] pyquery+csv爬取猫眼电影top100 站点分析 代码君 [爬虫Demo] pyquery+csv爬取猫眼电影top100 站点分析 https://maoyan.co ...

  4. Python逆向爬虫之pyquery，非常详细

    系列目录 Python逆向爬虫之pyquery pyquery是一个类似jquery的python库,它实现能够在xml文档中进行jQuery查询,pyquery使用lxml解析器进行快速在xml和h ...

  5. python爬虫神器PyQuery的使用方法

    你是否觉得 XPath 的用法多少有点晦涩难记呢? 你是否觉得 BeautifulSoup 的语法多少有些悭吝难懂呢? 你是否甚至还在苦苦研究正则表达式却因为少些了一个点而抓狂呢? 你是否已经有了一些 ...

  6. Python爬虫之pyquery库的基本使用

    # 字符串初始化 html = ''' <div> <ul> <li class = "item-0">first item</li> ...

  7. python爬虫之PyQuery的基本使用

    PyQuery库也是一个非常强大又灵活的网页解析库,如果你有前端开发经验的,都应该接触过jQuery,那么PyQuery就是你非常绝佳的选择,PyQuery 是 Python 仿照 jQuery 的严 ...

  8. 常见的爬虫分析库（4）-爬虫之PyQuery

    PyQuery 是 Python 仿照 jQuery 的严格实现.语法与 jQuery 几乎完全相同. 官方文档:http://pyquery.readthedocs.io/ 安装 1 pip ins ...

  9. 爬虫之PyQuery

    PyQuery 是 Python 仿照 jQuery 的严格实现.语法与 jQuery 几乎完全相同. 官方文档:http://pyquery.readthedocs.io/ 安装 pip insta ...

随机推荐

  1. Django入门——《Python编程从入门到实践》

    Django是一个Web框架--一套用于帮助开发交互式网站的工具.Django能够响应网页请求,还能让你更轻松地读写数据库.管理用户等. 1.建立项目 开始编写一个名为"学习笔记" ...

  2. js十大排序算法收藏

    十大经典算法排序总结对比 转载自五分钟学算法&https://www.cnblogs.com/AlbertP/p/10847627.html 一张图概括: 主流排序算法概览 名词解释: n: ...

  3. Learning Context Graph for Person Search

    Learning Context Graph for Person Search 2019-06-24 09:14:03 Paper:http://openaccess.thecvf.com/cont ...

  4. 大div套多个小div，怎样设置外div的高度自适应？

    在最后一个div 后面加上 overflow:hidden;如下: <div style="width:580px; height:auto; margin:0 auto; <d ...

  5. nginx日志切割和日志清理

    ##########################日志切割################################1.上传脚本到/usr/local/nginx/logs/下 2.并附执行权 ...

  6. 如何杀死处于进程状态D的进程

    D状态的就是 uninterruptible sleep ,此时进程不能被信号唤醒,GDB等调试工具也不能对它调试,因为GDB也是用到了信号,也杀不死它 D状态的形成 如何分析D状态 cat /pro ...

  7. 下载youtube视频到本地

    https://www.clipconverter.cc/ 先通过上面的网站对youtube视频的url 进行解析获得下载链接地址 获得链接地址后 可通过阿里云香港服务器去下载 , 速度比较快 在阿里 ...

  8. kubernetes 监控方案之：heapster+influxdb+grafana(十八)

    目录 一.Heapster 介绍 二.部署 三.使用 heapster 已经 deprecated 了:https://github.com/kubernetes/heapster,所以下面的演示主要 ...

  9. Spring boot后台搭建一使用MyBatis集成Mapper和PageHelper

    目标: 使用 Spring  boot+MyBatis+mysql 集成 Mapper 和 PageHelper,实现基本的增删改查 先建一个基本的 Spring Boot 项目开启 Spring B ...

  10. PCL读取PCD文件的数据

    1.pcd文件——rabbit.pcd 链接:https://pan.baidu.com/s/1v6mjPjwd7fIqUSjlIGTIGQ提取码:zspx 新建项目pcl rabbit.pcd 和p ...