pyquery库是jQuery的Python实现，可以用于解析HTML网页内容，
官方文档地址是：http://packages.python.org/pyquery/。
二、使用方法
|
1
|
from pyquery import PyQuery as pq
|
- 可加载一段HTML字符串，或一个HTML文件，或是一个url地址，例：
|
1
2
3
|
d=pq("<html><title>hello</title></html>")
d=pq(filename=path_to_html_file)
|
注意：此处url似乎必须写全
- html()和text() ——获取相应的HTML块或文本块，例：
|
1
2
3
|
p=pq("<head><title>hello</title></head>")
p(‘head‘).html()#返回<title>hello</title>
p(‘head‘).text()#返回hello
|
- 根据HTML标签来获取元素，例：
|
1
2
3
4
|
d=pq(‘<div><p>test 1</p><p>test 2</p></div>‘)
d(‘p‘)#返回[<p>,<p>]
print d(‘p‘)#返回<p>test 1</p><p>test 2</p>
print d(‘p‘).html()#返回test 1
|
注意：当获取到的元素不只一个时，html()、text()方法只返回首个元素的相应内容块
- eq(index) ——根据给定的索引号得到指定元素
接上例，若想得到第二个p标签内的内容，则可以：
|
1
|
print d(‘p‘).eq(1).html() #返回test 2
|
- filter() ——根据类名、id名得到指定元素，例：
|
1
2
3
|
d=pq("<div><p id=‘1‘>test 1</p><p class=‘2‘>test 2</p></div>")
d(‘p‘).filter(‘#1‘) #返回[<p#1>]
d(‘p‘).filter(‘.2‘) #返回[<p.2>]
|
- find() ——查找嵌套元素，例：
|
1
2
3
|
d=pq("<div><p id=‘1‘>test 1</p><p class=‘2‘>test 2</p></div>")
d(‘div‘).find(‘p‘)#返回[<p#1>, <p.2>]
d(‘div‘).find(‘p‘).eq(0)#返回[<p#1>]
|
- 直接根据类名、id名获取元素，例：
|
1
2
3
|
d=pq("<div><p id=‘1‘>test 1</p><p class=‘2‘>test 2</p></div>")
d(‘#1‘).html()#返回test 1
d(‘.2‘).html()#返回test 2
|
- 获取属性值，例：
|
1
2
3
|
d(‘p‘).attr(‘id‘)#返回my_id
|
- 修改属性值，例：
|
1
|
|
把href属性修改为了baidu
- addClass(value) ——为元素添加类，例：
|
1
2
|
d=pq(‘<div></div>‘)
d.addClass(‘my_class‘)#返回[<div.my_class>]
|
- hasClass(name) #返回判断元素是否包含给定的类，例：
|
1
2
|
d=pq("<div class=‘my_class‘></div>")
d.hasClass(‘my_class‘)#返回True
|
- children(selector=None) ——获取子元素，例：
|
1
2
3
|
d=pq("<span><p id=‘1‘>hello</p><p id=‘2‘>world</p></span>")
d.children()#返回[<p#1>, <p#2>]
d.children(‘#2‘)#返回[<p#2>]
|
- parents(selector=None)——获取父元素，例：
|
1
2
3
4
|
d=pq("<span><p id=‘1‘>hello</p><p id=‘2‘>world</p></span>")
d(‘p‘).parents()#返回[<span>]
d(‘#1‘).parents(‘span‘)#返回[<span>]
d(‘#1‘).parents(‘p‘)#返回[]
|
- clone() ——返回一个节点的拷贝
- empty() ——移除节点内容
- nextAll(selector=None) ——返回后面全部的元素块，例：
|
1
2
3
|
d=pq("<p id=‘1‘>hello</p><p id=‘2‘>world</p><img scr=‘‘ />")
d(‘p:first‘).nextAll()#返回[<p#2>, <img>]
d(‘p:last‘).nextAll()#返回[<img>]
|
- not_(selector) ——返回不匹配选择器的元素，例：
|
1
2
|
d=pq("<p id=‘1‘>test 1</p><p id=‘2‘>test 2</p>")
d(‘p‘).not_(‘#2‘)#返回[<p#1>]
|
pyquery还有其他一些用法，这里没有一一整理出来，更多更全的方法可以直接去看它的文档。