4.3 PyQuery的使用

在上一节我们介绍了 BeautifulSoup 的使用,它是一个非常强大的网页解析库,可有没有觉得它的一些方法使用有点不适应?有没有觉得它的 CSS 选择器功能没有那么强大?

如果你对 Web 有所涉及,如果你比较喜欢用 CSS 选择器,如果你对 jQuery 有所了解,那么这里有一个更适合你的解析库—— PyQuery。

接下来我们就来感受一下 PyQuery 的强大之处。

1. 准备工作

在开始之前请确保已经正确安装好了 PyQuery,如没有安装可以参考第一章的安装过程。

2. 初始化

像 BeautifulSoup 一样,PyQuery 初始化的时候也需要传入 HTML 数据源来初始化一个操作对象,它的初始化方式有多种,比如直接传入字符串,传入 URL,传文件名。下面我们来详细介绍一下。

字符串初始化

首先我们用一个实例来感受一下:

html = '''
<div>
    <ul>
         <li class="item-0">first item</li>
         <li class="item-1"><a href="link2.html">second item</a></li>
         <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
         <li class="item-1 active"><a href="link4.html">fourth item</a></li>
         <li class="item-0"><a href="link5.html">fifth item</a></li>
     </ul>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
print(doc('li'))

运行结果:

<li class="item-0">first item</li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>

在这里我们首先引入了 PyQuery 这个对象,取别名为 pq,然后声明了一个长 HTML 字符串,当作参数传递给 PyQuery,这样就成功完成了初始化,然后接下来将初始化的对象传入 CSS 选择器,在这个实例中我们传入 li 节点,这样就可以选择所有的 li 节点,打印输出可以看到所有的 li 节点的 HTML 文本。

URL初始化

初始化的参数不仅可以以字符串的形式传递,还可以传入网页的 URL,在这里只需要指定参数为 url 即可:

from pyquery import PyQuery as pq
doc = pq(url='http://cuiqingcai.com')
print(doc('title'))

运行结果:

<title>静觅丨崔庆才的个人博客</title>

这样的话 PyQuery 会首先请求这个 URL,然后用得到的 HTML 内容完成初始化,其实就相当于我们用网页的源代码以字符串的形式传递给 PyQuery 来初始化。

它与下面的功能是相同的:

from pyquery import PyQuery as pq
import requests
doc = pq(requests.get('http://cuiqingcai.com').text)
print(doc('title'))

文件初始化

当然除了传递一个 URL,还可以传递本地的文件名,参数指定为 filename 即可:

from pyquery import PyQuery as pq
doc = pq(filename='demo.html')
print(doc('li'))

当然在这里需要有一个本地 HTML 文件 demo.html,内容是待解析的 HTML 字符串。这样它会首先读取本地的文件内容,然后用文件内容以字符串的形式传递给 PyQuery 来初始化。

以上三种初始化方式均可,当然最常用的初始化方式还是以字符串形式传递。

3. 基本CSS选择器

我们首先用一个实例来感受一下 PyQuery 的 CSS 选择器的用法:

html = '''
<div id="container">
    <ul class="list">
         <li class="item-0">first item</li>
         <li class="item-1"><a href="link2.html">second item</a></li>
         <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
         <li class="item-1 active"><a href="link4.html">fourth item</a></li>
         <li class="item-0"><a href="link5.html">fifth item</a></li>
     </ul>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
print(doc('#container .list li'))
print(type(doc('#container .list li')))

运行结果:

<li class="item-0">first item</li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
<class 'pyquery.pyquery.PyQuery'>

在这里我们初始化 PyQuery 对象之后,传入了一个 CSS 选择器,#container .list li,意思是选取 id 为 container 的节点内部的 class 为 list 的节点内部的所有 li 节点。然后打印输出,可以看到成功获取到了符合条件的节点。

然后我们将它的类型打印输出,可以看到它的类型依然是 PyQuery类型。

4. 查找节点

下面我们介绍一些常用的查询函数,这些函数和 jQuery 中的函数用法也完全相同。

子节点

查找子节点需要用到 find() 方法,传入的参数是 CSS 选择器,我们还是以上面的 HTML 为例:

from pyquery import PyQuery as pq
doc = pq(html)
items = doc('.list')
print(type(items))
print(items)
lis = items.find('li')
print(type(lis))
print(lis)

运行结果:

<class 'pyquery.pyquery.PyQuery'>
<ul class="list">
    <li class="item-0">first item</li>
    <li class="item-1"><a href="link2.html">second item</a></li>
    <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
    <li class="item-1 active"><a href="link4.html">fourth item</a></li>
    <li class="item-0"><a href="link5.html">fifth item</a></li>
</ul>
<class 'pyquery.pyquery.PyQuery'>
<li class="item-0">first item</li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>

首先我们选取了 class 为 list 的节点,然后我们调用了 find() 方法,传入了 CSS 选择器,选取其内部的 li 节点,最后都打印输出即可观察到对应的查询结果,可以发现 find() 方法会将符合条件的所有节点选择出来,结果的类型是 PyQuery 类型。

其实 find() 的查找范围是节点的所有子孙节点,而如果我们只想查找子节点,那可以用 children() 方法:

lis = items.children()
print(type(lis))
print(lis)

运行结果:

<class 'pyquery.pyquery.PyQuery'>
<li class="item-0">first item</li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>

如果要筛选所有子节点中符合条件的节点,比如我们想筛选出子节点中 class 为 active 的节点,可以向 children() 方法传入 CSS 选择器 .active:

lis = items.children('.active')
print(lis)

运行结果:

<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>

可以看到输出的结果已经做了筛选,留下了 class 为 active 的节点。

父节点

我们可以用 parent() 方法来获取某个节点的父节点,我们用一个实例来感受一下:

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
items = doc('.list')
container = items.parent()
print(type(container))
print(container)

运行结果:

<class 'pyquery.pyquery.PyQuery'>
<div id="container">
    <ul class="list">
         <li class="item-0">first item</li>
         <li class="item-1"><a href="link2.html">second item</a></li>
         <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
         <li class="item-1 active"><a href="link4.html">fourth item</a></li>
         <li class="item-0"><a href="link5.html">fifth item</a></li>
     </ul>
 </div>

在这里我们首先用 .list 选取了 class 为 list 的节点,然后调用了 parent() 方法,得到其父节点,类型依然是 PyQuery 类型。

这里的父节点是该节点的直接父节点,也就是说,它不会再去查找父节点的父节点,即祖先节点。

但是如果我们想获取某个祖先节点怎么办呢?可以用 parents() 方法:

from pyquery import PyQuery as pq
doc = pq(html)
items = doc('.list')
parents = items.parents()
print(type(parents))
print(parents)

运行结果:

<class 'pyquery.pyquery.PyQuery'>
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
 <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>

在这里我们调用了 parents() 方法,可以看到输出结果有两个,一个是 class 为 wrap 的节点,一个是 id 为 container 的节点,也就是说,parents() 方法会返回所有的祖先节点。

如果我们想要筛选某个祖先节点的话可以向 parents() 方法传入 CSS 选择器,这样就会返回祖先节点中符合 CSS 选择器的节点:

parent = items.parents('.wrap')
print(parent)

运行结果:

<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>

可以看到输出结果就少了一个节点,只保留了 class 为 wrap 的节点。

兄弟节点

在上面我们说明了子节点和父节点的用法,还有一种节点那就是兄弟节点,如果要获取兄弟节点可以使用 siblings() 方法。我们还是以上面的 HTML 代码为例来感受一下:

from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.list .item-0.active')
print(li.siblings())

在这里我们首先选择了 class 为 list 的节点内部的 class 为 item-0 和 active 的节点,也就是第三个 li 节点。那么很明显它的兄弟节点有四个,那就是第一、二、四、五个 li 节点。

运行结果:

<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0">first item</li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>

可以看到运行结果也正是我们刚才所说的四个兄弟节点。

如果要筛选某个兄弟节点,我们依然可以向方法传入 CSS 选择器,这样就会从所有兄弟节点中挑选出符合条件的节点了:

from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.list .item-0.active')
print(li.siblings('.active'))

在这里我们筛选了 class 为 active 的节点,通过刚才的结果我们可以观察到 class 为 active 的兄弟节点只有第四个 li 节点,所以结果应该是一个。

运行结果:

<li class="item-1 active"><a href="link4.html">fourth item</a></li>

5. 遍历

我们刚才可以观察到,PyQuery 的选择结果可能是多个节点,可能是单个节点,类型都是 PyQuery 类型,并没有返回像 BeautifulSoup 一样的列表。

对于单个节点来说,我们可以直接打印输出,也可直接转成字符串:

from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.item-0.active')
print(li)
print(str(li))

运行结果:

<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>

对于多个节点的结果,我们就需要遍历来获取了,例如这里我们把每一个 li 节点进行遍历,,需要调用 items() 方法:

from pyquery import PyQuery as pq
doc = pq(html)
lis = doc('li').items()
print(type(lis))
for li in lis:
    print(li, type(li))

运行结果:

<class 'generator'>
<li class="item-0">first item</li>
<class 'pyquery.pyquery.PyQuery'>
<li class="item-1"><a href="link2.html">second item</a></li>
<class 'pyquery.pyquery.PyQuery'>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<class 'pyquery.pyquery.PyQuery'>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<class 'pyquery.pyquery.PyQuery'>
<li class="item-0"><a href="link5.html">fifth item</a></li>
<class 'pyquery.pyquery.PyQuery'>

在这里我们可以发现调用 items() 方法后,会得到一个生成器,遍历一下,就可以逐个得到 li 节点对象了,它的类型也是 PyQuery 类型,所以每个 li 节点还可以调用前面所说的方法进行选择,比如继续查询子节点,寻找某个祖先节点等等,非常灵活。

6. 获取信息

提取到节点之后,我们的最终目的当然是提取节点所包含的信息了,比较重要的信息有两类,一是获取属性,二是获取文本,下面我们分别进行说明。

获取属性

提取到某个 PyQuery 类型的节点之后,我们可以调用 attr() 方法来获取属性:

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
a = doc('.item-0.active a')
print(a, type(a))
print(a.attr('href'))

运行结果:

<a href="link3.html"><span class="bold">third item</span></a> <class 'pyquery.pyquery.PyQuery'>
link3.html

在这里我们首先选中了 class 为 item-0 和 active 的 li 节点内的 a 节点,它的类型可以看到是 PyQuery 类型。

然后我们调用了 attr() 方法,然后传入属性的名称,就可以得到这个属性值了。

也可以通过调用 attr 属性来获取属性,用法如下:

print(a.attr.href)

结果:

link3.html

结果是完全一样的,在这里我们没有调用方法,而是调用了 attr 属性,然后再调用属性名,同样可以得到属性值。

如果我们选中的是多个元素,然后调用 attr() 方法会出现怎样的结果?我们用一个实例来测试一下:

a = doc('a')
print(a, type(a))
print(a.attr('href'))
print(a.attr.href)

运行结果:

<a href="link2.html">second item</a><a href="link3.html"><span class="bold">third item</span></a><a href="link4.html">fourth item</a><a href="link5.html">fifth item</a> <class 'pyquery.pyquery.PyQuery'>
link2.html
link2.html

照理来说我们选中的 a 节点应该有四个,而且打印结果也是四个,但是当我们调用 attr() 方法时,返回的结果却只是第一个。

所以当返回结果包含多个节点时,调用 attr() 方法只会得到第一个节点的属性。

那么遇到这种情况如果我们想获取所有的 a 节点的属性,就需要用到上文所说的遍历了:

from pyquery import PyQuery as pq
doc = pq(html)
a = doc('a')
for item in a.items():
    print(item.attr('href'))

运行结果:

link2.html
link3.html
link4.html
link5.html

所以,在进行属性获取的时候观察一下返回节点是一个还是多个,如果是多个,则需要遍历才能依次获取每个节点的属性。

获取文本

获取节点之后的另一个主要的操作就是获取其内部的文本了,我们可以调用 text() 方法来获取:

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
a = doc('.item-0.active a')
print(a)
print(a.text())

运行结果:

<a href="link3.html"><span class="bold">third item</span></a>
third item

我们首先选中了一个 a 节点,然后调用了 text() 方法,就可以获取其内部的文本信息了,它会忽略掉节点内部包含的所有 HTML,只返回纯文字内容。

但如果我们想要获取这个节点内部的 HTML 文本,就可以用 html() 方法:

from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.item-0.active')
print(li)
print(li.html())

这里我们选中了第三个 li 节点,然后调用了 html() 方法,它返回的结果应该是li节点内的所有 HTML 文本。

运行结果:

<a href="link3.html"><span class="bold">third item</span></a>

这里同样有一个问题,如果我们选中的结果是多个节点,text() 或 html() 会返回什么内容?

我们用一个实例来看一下:

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('li')
print(li.html())
print(li.text())
print(type(li.text())

运行结果:

<a href="link2.html">second item</a>
second item third item fourth item fifth item
<class 'str'>

结果可能比较出乎意料,我们选中的是所有的 li 节点,可以发现 html() 方法返回的是第一个 li 节点的内部 HTML 文本,而 text() 则返回了所有的 li 节点内部纯文本,中间用一个空格分割开,实际上是一个字符串。

所以这个地方值得注意,如果我们得到的结果是多个节点,如果要获取每个节点的内部 HTML 文本,则需要遍历每个节点,而 text() 方法不需要遍历就可以获取,它是将所有节点取文本之后合并成一个字符串。

7. 节点操作

PyQuery 提供了一系列方法来对节点进行动态修改操作,比如为某个节点添加一个 class,移除某个节点等等,这些操作有时候会为提取信息带来极大的便利。

由于节点操作的方法太多,下面举几个典型的例子来说明它的用法。

addClass、removeClass

我们先用一个实例来感受一下:

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.item-0.active')
print(li)
li.removeClass('active')
print(li)
li.addClass('active')
print(li)

首先我们选中了第三个 li 节点,然后调用了 removeClass() 方法,将 li 节点的 active 这个 class 移除,后来又调用了 addClass() 方法,又将 class 添加回来,每执行一次操作,就打印输出一下当前 li 节点的内容。

运行结果:

<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-0"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>

可以看到一共进行了三次输出,第二次输出 li 节点的 active 这个 class 被移除了,第三次 class 又添加回来了。

所以说我们 addClass()、removeClass() 这些方法可以动态地改变节点的 class 属性。

attr、text、html

当然除了操作 class 这个属性,也有 attr() 方法来专门针对属性进行操作,也可以用 text()、html() 方法来改变节点内部的内容。

我们用实例感受一下:

html = '''
<ul class="list">
     <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
</ul>
'''
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.item-0.active')
print(li)
li.attr('name', 'link')
print(li)
li.text('changed item')
print(li)
li.html('<span>changed item</span>')
print(li)

在这里我们首先选中了 li 节点,然后调用 attr() 方法来修改属性,第一个参数为属性名,第二个参数为属性值,然后我们调用了 text() 和 html() 方法来改变节点内部的内容。三次操作后分别又打印输出当前 li 节点。

运行结果:

<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-0 active" name="link"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-0 active" name="link">changed item</li>
<li class="item-0 active" name="link"><span>changed item</span></li>

可以发现,调用 attr() 方法后,li 节点多了一个原本不存在的属性 name,其值为 link,调用 text() 方法,传入文本之后,发现 li 节点内部的文本就全被改变为传入的字符串文本了。调用 html() 方法传入 HTML 文本之后,li 节点内部又改变为传入的 HTML 文本。

所以说,attr() 方法如果只传入第一个参数属性名,则是获取这个属性值,如果传入第二个参数,可以用来修改属性值,text() 和 html() 方法如果不传参数是获取节点内纯文本和 HTML 文本,如果传入参数则是进行赋值。

remove

remove 顾名思义移除,remove() 方法有时会为信息的提取带来非常大的便利。下面我们看一个实例:

html = '''
<div class="wrap">
    Hello, World
    <p>This is a paragraph.</p>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
wrap = doc('.wrap')
print(wrap.text())

在这里有一段 HTML 文本,我们现在想提取 Hello, World 这个字符串,而不要 p 节点内部的字符串,这个怎样来提取?

在这里我们直接先尝试提取 class 为 wrap 的节点的内容,看看是不是我们想要的,运行结果如下:

Hello, World This is a paragraph.

然而这个结果还包含了内部的 p 节点的内容,也就是说 text() 把所有的纯文本全提取出来了。如果我们想去掉 p 节点内部的文本,可以选择再把 p 节点内的文本提取一遍,然后从整个结果中移除这个子串,但这个做法明显比较繁琐。

那这是 remove() 方法就可以派上用场了,我们可以接着这么做:

wrap.find('p').remove()
print(wrap.text())

我们首先选中了 p 节点,然后调用了 remove() 方法将其移除,然后这时 wrap 内部就只剩下 Hello, World 这句话了,然后再利用 text()方 法提取即可。

所以说,remove() 方法可以删除某些冗余内容,来方便我们的提取。在适当的时候使用可以极大地提高效率。

另外其实还有很多节点操作的方法,比如 append()、empty()、prepend() 等方法,他们和 jQuery 的用法是完全一致的,详细的用法可以参考官方文档:http://pyquery.readthedocs.io/en/latest/api.html

8. 伪类选择器

CSS 选择器之所以强大,还有一个很重要的原因就是它支持多种多样的伪类选择器。例如选择第一个节点、最后一个节点、奇偶数节点、包含某一文本的节点等等,我们用一个实例感受一下:

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('li:first-child')
print(li)
li = doc('li:last-child')
print(li)
li = doc('li:nth-child(2)')
print(li)
li = doc('li:gt(2)')
print(li)
li = doc('li:nth-child(2n)')
print(li)
li = doc('li:contains(second)')
print(li)

在这里我们使用了 CSS3 的伪类选择器,依次选择了第一个 li 节点、最后一个 li 节点、第二个 li 节点、第三个 li 之后的 li 节点、偶数位置的 li 节点、包含 second 文本的 li 节点,功能十分强大。

更多的 CSS 选择器的用法可以参考:http://www.w3school.com.cn/css/index.asp

9. 结语

到此为止 PyQuery 的常用用法就介绍完了,如果想查看更多的内容可以参考一下 PyQuery 的官方文档:http://pyquery.readthedocs.io,相信有了它,解析网页不再是难事。

results matching ""

    No results matching ""