PyQuery

强大又灵活的网页解析库。如果你觉得正则写起来太麻烦，如果你觉得Beauifulsoup语法太难记，如果你属性Jqueryd 语法，PyQuery是个不错的选择。

pyquery 栗子

初始化

1、字符串初始化

from pyquery import PyQuery as pq
html ="""<ul id="navList">
    <title>标题</title>
    <header>大脑袋</header>
    <li name="drapname"><a id="blog_nav_sitehome" class="menu" href="http://www.cnblogs.com/">博客园</a></li>
    <li name="drm1"><a id="MyLinks1_SpaceLink" class="menu" href="http://ing.cnblogs.com/">闪存</a></li>
    <li><a id="blog_nav_myhome" class="menu" href="http://www.cnblogs.com/youmingkuang/">首页</a></li>
    <li><a id="blog_nav_newpost" class="menu" rel="nofollow" href="https://i.cnblogs.com/EditPosts.aspx?opt=1">新随笔</a></li>
    <li><a id="blog_nav_contact" accesskey="9" class="menu" rel="nofollow" href="https://msg.cnblogs.com/send/%E5%B9%BD%E5%86%A5%E7%8B%82_%E4%B8%83">联系</a></li>
    <li><a id="blog_nav_admin" class="menu" rel="nofollow" href="https://i.cnblogs.com/">管理</a></li>
    <li><a id="blog_nav_rss" class="aHeaderXML" href="http://www.cnblogs.com/youmingkuang/rss">订阅</a>
        <a id="blog_nav_rss_image" class="aHeaderXML" href="http://www.cnblogs.com/youmingkuang/rss"><img src="//www.cnblogs.com/images/xml.gif" alt="订阅" /></a></li>
</ul>
"""
doc = pq(html)
print(doc('li'))  //可以是样式.css或标签

2、url初始化

doc = pq(url='http://www.baidu.com')
print(doc('head'))
输出：

 　3、文件初始化

doc = pq(filename=r'D:\QQ抓\新建文本文档 (1).txt')
print(doc.text())  //或者print(doc('标签、css样式'))

 

    4、基本CSS选择器

　　doc = pq(html)

　　print(doc('#cond .list li'))

 

二、查找元素

　　子元素

doc = pq(html)
items = doc('#navList')
print(items)
lis = items.find('li')
print(lis)
la = lis.find('a')
print(la)

　　父元素

doc = pq(html)
items = doc('a')
pt = items.parent()
print(pt)

或者在精确一点查找

pt = items.parent('.样式')
print(pt)

　　兄弟元素

　　doc = pq(html)
　　items = doc('a')
　　pt = items.siblings()
　　print(pt)

　　遍历

　　  单个元素

doc = pq(html)
items = doc('a')
print(items)

多个元素

doc = pq(html)
items = doc('a').items()
print(type(items))
for l in items:
    print(l)

获取信息
获取属性

doc = pq(html)
items = doc('a')
print(type(items))
print(items.attr('href'))
print(items.attr.href)


获取文本

doc = pq(html)
items = doc('a')
print(type(items))
print(items.text())
输出：
博客园 闪存 首页 新随笔 联系 管理 订阅

获取HTML 

doc = pq(html)
items = doc('li')
print(type(items))
print(items.html())
输出：

 DOM操作

addClass、removeClass

例子：
doc=pq(html)
li = doc('.item-0.active')
print(li)
li.removeClass('active')
print(li)
li.addClass('active')
print(li)

 

　attr、css

　doc = pq(html)

　li =doc('.item-0.active')

    print(li)

    li.attr('name','link')

    print(li)

    li.css('font-size','14px')

    print(li)

 

    remove

 

    doc = pq(html)

    wrap = doc('.wrap')

　 print(wrap.text())

    wrap.find('p').remove()

    print(wrap.text())

 

　 伪类选择器

　　

　　from pyquery import PyQuery as pg

　　doc = pq(html)

　　li=doc('li:first-child')　　//第一个标签

　　li=doc('li:last-child')　　//最一个标签

　　li=doc('li:nth-child(2)')　　//第二个标签

　　li=doc('li:nth-child(2n)')　　//获取偶数标签

　　li = doc('li:contains(second)') //获取包含second文本的标签