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. 刷题记录：[网鼎杯]Fakebook

    目录 刷题记录:[网鼎杯]Fakebook 一.涉及知识点 1.敏感文件泄露 2.sql注入 二.解题方法 刷题记录:[网鼎杯]Fakebook 题目复现链接:https://buuoj.cn/cha ...

  2. Mac使用秘钥登录Linux服务器

    简介 在 Mac 上配置 SSH 密钥登录远程的 Linux 相关配置 1.创建本地的 SSH 密钥 本地 生成秘钥对 ssh-keygen -t rsa -C 'youxiang@aliyun.co ...

  3. JAVA从服务器下载文件根据Url把多文件打包成ZIP下载

    注意: 1. String filename = new String(“xx.zip”.getBytes(“UTF-8”), “ISO8859-1”);包装zip文件名不发生乱码.  2.一定要注意 ...

  4. 最近b站好像把blv格式换成m4s，改成mp4之后没有声音，

    我研究了几个小时,然后知道一个方法,但是必须有电脑.1.m4s 的视频改为mp4可以拖进pr2.m4s的音频不能直接拖进pr(会报错),改为mp3也一样,要先改为mp3,然后在格式工厂里面选择,mp3 ...

  5. mysql-connector-java（6.0以上）的时差问题

    一.背景 通过mybatis日志观察插入数据库的时间为当前时间,但是打开数据库表发现时间滞后了8个小时. 二.推论及解决 很容易猜到这是时区的问题. 三.最后找到的问题点如下: jdbc:mysql: ...

  6. C# Newtonsoft.Json解析json字符串处理（最清晰易懂的方法）

    需求: 假设有如下json字符串: { ", "employees": [ { "firstName": "Bill", &quo ...

  7. 003-maven开发Java脚手架archrtype-技术点说明

    一.概述 二.技术点说明 2.1.项目结构 凡auto包或文件件,均会被代码生成器再次生成二修改 1.model层 po:BasePO基础类,统一了数据库的基础字段[数据库必须添加如下,与mybati ...

  8. BUG处理流程图

    流程描述: 1. 测试人员发现bug提交给开发. 2. 开发人员判断是否是bug. 3. 如果是bug,进行修改,修改完成后更改bug状态为已解决. 4. 如果不是bug,退回给测试人员并描述退回原因 ...

  9. [LeetCode] 122. Best Time to Buy and Sell Stock II 买卖股票的最佳时间 II

    Say you have an array for which the ith element is the price of a given stock on day i. Design an al ...

  10. 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 ...