python网络爬虫——pyquery的使用（六）

灰太狼 2022-09-12 04:51 249阅读 0赞

### python网络爬虫——pyquery的使用（六） ###

*   *  pyquery的使用
     *   *  一、pyquery的介绍
         *  二、pyquery的使用
         *   *  1、初始化工作
             *  2、查找节点
             *  3、遍历
             *  4、获取信息
             *  5、节点操作
             *  6、伪类选择器

## pyquery的使用 ##

### 一、pyquery的介绍 ###

使用pyquery需要在Web和了解jQuery的基础上，使用该CSS选择器。

### 二、pyquery的使用 ###

#### 1、初始化工作 ####

使用pyquery初始化的方式有很多，传入的参数可以是字符串，也可以是URL和文件名，下面将一一介绍初始化方法。

**字符串**

html = '''
    <html>
    
    <head>
      <meta charset="utf-8">
      <title>test02.html</title>
      <meta name="viewport" content="width=device-width, initial-scale=1.0">
    </head>
    
    <body>
      <div id="container">
        <iframe id="iframe" sandbox="allow-scripts" src="/files/%E7%88%AC%E8%99%AB%E5%86%99%E4%BD%9C%E4%BB%A3%E7%A0%81%E6%B5%8B%E8%AF%95/test02.html"></iframe>
      </div>
    </body>
    
    </html>
    '''
    from pyquery import PyQuery as pq
    doc = pq(html)
    print(doc('title'))

【运行结果】

**URL**

URL以CSDN首页地址为例：

from pyquery import PyQuery as pq
    doc = pq(url = 'https://www.csdn.net/')
    print(doc('title'))

【运行结果】

<title>CSDN - 专业开发者社区</title>

**文件初始化**

我们将以下字符串保存为一个HTML文件，通过文件的形式进行初始化。

【test02.html】

<bookstore>
      <book>
        <title lang="eng">Harry Potter</title>
        <price>29.99</price>
      </book>
    
      <book>
        <title lang="eng">Learning XML</title>
        <price>39.95</price>
      </book>
    </bookstore>

from pyquery import PyQuery as pq
    doc = pq(filename = 'test02.html')
    print(doc('title'))

【运行结果】

<title lang="eng">Harry Potter</title>
        <title lang="eng">Learning XML</title>

#### 2、查找节点 ####

（1）查找子节点

查找子节点时需要用到find（）方法，此时传入的参数是CSS选择器。

from pyquery import PyQuery as pq
    doc = pq(filename = 'test02.html')
    item = doc('book')
    print(item)
    lis1 = item.find('title')
    lis2 = item.find('price')
    print(lis1)
    print(lis2)

【运行结果】

<book>
        <title lang="eng">Harry Potter</title>
        <price>29.99</price>
      </book>
    
      <book>
        <title lang="eng">Learning XML</title>
        <price>39.95</price>
      </book>
    
    <title lang="eng">Harry Potter</title>
        <title lang="eng">Learning XML</title>
        
    <price>29.99</price>
      <price>39.95</price>

可以看到，我们首先匹配的是book节点，然后匹配book节点下的子节点title和price。

其实使用find方法匹配的是所有的子孙节点，如果只是单纯匹配子节点可以使用children方法。

（2）匹配父节点

使用parent（）方法，如果是要匹配祖先节点，则需要使用parents（）方法。

（3）匹配兄弟节点

可以使用siblings（）方法。

#### 3、遍历 ####

对于获取到的内容如果是单个节点，则可以直接转换为字符串类型，而对于获取到多个节点，因其类型为PyQuery类型，需要对获取到的数据进行遍历，这是需要调用items（）方法。

from pyquery import PyQuery as pq
    doc = pq(filename = 'test02.html')
    items = doc('title').items()
    print(items)
    print(type(items))
    for i in items:
        print(type(i))
        print(i)

【运行结果】

<generator object PyQuery.items at 0x000002B79E13EF48>
    <class 'generator'>
    <class 'pyquery.pyquery.PyQuery'>
    <title lang="eng">Harry Potter</title>
        
    <class 'pyquery.pyquery.PyQuery'>
    <title lang="eng">Learning XML</title>

#### 4、获取信息 ####

（1）获取属性

使用attr()方法

from pyquery import PyQuery as pq
    doc = pq(filename = 'test02.html')
    items = doc('title')
    for i in items.items():
        print(i.attr('lang'))

【运行结果】

eng
    eng

遍历获取到的数据，就能获得所有title节点的land属性值。

（2）获取文本

使用text()方法

from pyquery import PyQuery as pq
    doc = pq(filename = 'test02.html')
    items = doc('title')
    for i in items.items():
        print(i.text())

【运行结果】

Harry Potter
    Learning XML

同样是遍历，获取到每一个title节点的文本值。

#### 5、节点操作 ####

（1）为某个节点添加或删除一个class

调用的方法为addClass和removeClass

from pyquery import PyQuery as pq
    doc = pq(filename = 'test02.html')
    items = doc('title')
    for i in items.items():
        print(i)
        i.addClass('book01')
        print(i)
        i.removeClass('book01')
        print(i)

【运行结果】

<title lang="eng">Harry Potter</title>
        
    <title lang="eng" class="book01">Harry Potter</title>
        
    <title lang="eng" class="">Harry Potter</title>
        
    <title lang="eng">Learning XML</title>
        
    <title lang="eng" class="book01">Learning XML</title>
        
    <title lang="eng" class="">Learning XML</title>

可以看到，首先是打印最初始的title节点，加上class属性后再次打印，去掉class属性后再次打印。

（2）attr、text、html

attr：用来改变属性值；

text：用来改变文本值；

html：用来改变节点值；

（3）remove

移除不需要的节点值，将整个节点移除。

#### 6、伪类选择器 ####

支持多种伪类选择器，例如选择第一个节点、最后一个节点、奇数节点、偶数节点、以及包含指定文本的节点等。