Python 爬虫（五）：PyQuery 框架

2022-10-21 09:48:09

PyQuery 是仿照 jQuery 实现的，语法与 jQuery 几乎完全相同，如果你熟悉 jQuery，又不想再记一套 BeautifulSoup （Python 爬虫（三）：BeautifulSoup 库）的调用方法，那么 PyQuery 是一个很好的选择。

1 准备工作

1.1 安装

使用如下终端命令安装

pip install pyquery

安装完成后导包

from pyquery import PyQuery as pq

1.2 初始化

传入字符串

from pyquery import PyQuery as pq
html = '''<html>    <head>        <title>Hello PyQuery</title>    </head>    <body>        <ul id="container">            <li class="l1">l1</li>            <li class="l2">l2</li>            <li class="l3">l3</li>        </ul>    </body></html>'''doc = pq(html)print(type(doc))print(doc)

传入文件

from pyquery import PyQuery as pq
doc= pq(filename='p.html')print(type(doc))print(doc)

传入 lxml.etree

from pyquery import PyQuery as pqfrom lxml import etree
doc = pq(etree.fromstring('<html><title>Hello PyQuery</title></html>'))print(type(doc))print(doc)

传入 URL

from pyquery import PyQuery as pqdoc = pq('http://www.baidu.com')print(type(doc))print(doc)

2 快速上手

2.1 基本使用

获取元素

首先，我们使用 PyQuery 的 CSS 选择器获取指定元素。示例如下：

from pyquery import PyQuery as pq
html = '''<html>    <head>        <title>Hello PyQuery</title>    </head>    <body>        <ul id="container">            <li class="l1">l1</li>            <li class="l2">l2</li>            <li class="l3">l3</li>        </ul>    </body></html>'''doc = pq(html)# 获取 ulul = doc('#container')# 获取 lili = doc('ul li')print(ul)print(li)

遍历元素

from pyquery import PyQuery as pq
html = '''<html>    <head>        <title>Hello PyQuery</title>    </head>    <body>        <ul id="container">            <li class="l1">l1</li>            <li class="l2">l2</li>            <li class="l3">l3</li>        </ul>    </body></html>'''doc = pq(html)# 遍历 lilis =doc('li').items()for li in lis:     print(li)

存在多个相同元素时，获取指定元素

from pyquery import PyQuery as pq
html = '''<html>    <head>        <title>Hello PyQuery</title>    </head>    <body>        <ul id="container">            <li class="l1">l1</li>            <li class="l2">l2</li>            <li class="l3">l3</li>        </ul>    </body></html>'''doc = pq(html)lis =doc('li').items()# 获取第二个 lil2 = list(lis)[1]print(l2)

获取父、子、兄弟元素

PyQuery 可以通过方法直接获取指定元素的父、子、兄弟元素。示例如下：

from pyquery import PyQuery as pq
html = '''<html>    <head>        <title>Hello PyQuery</title>    </head>    <body>
        <ul></ul>        <ul id="container">            <li class="l1">l1</li>            <li class="l2">l2</li>            <li class="l3">l3</li>        </ul>        <ul></ul>    </body></html>'''doc = pq(html)ul = doc('#container')l2 = doc('#container .l2')# 获取 ul 父元素ul_parent = ul.parent()# 获取 ul 子元素ul_child = ul.children()# 获取第二个 li 兄弟元素l2_sib = l2.siblings()print(ul_parent)print(ul_child)print(l2_sib)

获取属性、文本信息

from pyquery import PyQuery as pq
html = '''<html>    <head>        <title name='title'>Hello PyQuery</title>    </head></html>'''doc = pq(html)title =doc('title')# 获取 name 属性print(title.attr('name'))# 获取 title 标签文本信息print(title.text())

获取 html

from pyquery import PyQuery as pq
html = '''<html>    <head>        <title>Hello PyQuery</title>    </head>    <body>        <ul id="container">            <li class="l1">l1</li>            <li class="l2">l2</li>            <li class="l3">l3</li>        </ul>    </body></html>'''doc = pq(html)# 获取 ul 中 htmlul =doc('ul')print(ul.html())

2.2 伪类选择器

伪类可以根据一个元素的特征进行分类，下面通过示例了解下伪类选择器的使用。

from pyquery import PyQuery as pq
html = '''<html>    <head>        <title>Hello PyQuery</title>    </head>    <body>        <ul id="container">            <li class="l1">l1</li>            <li class="l2">l2</li>            <li class="l3">l3last</li>        </ul>    </body></html>'''doc = pq(html)# 设置起始位置lis = doc('li:gt(-1)')# 获取第一个 lifli = doc('li:first-child')# 获取最后一个 lilli = doc('li:last-child')# 获取指定 lil2 = doc('li:nth-child(2)')# 获取包含 last 的 licli = doc('li:contains("last")')print(lis)print(fli)print(lli)print(l2)print(cli)

码农公寓