Loading... # python中使用jq处理网页 pyquery 官方文档: `https://pythonhosted.org/pyquery/` `https://pythonhosted.org/pyquery/api.html` ### pyquery库是jQuery的Python实现,可以用于解析HTML网页内容,使用方法: ```python hljs from pyquery import PyQuery as pq ``` ### 1、可加载一段HTML字符串,或一个HTML文件,或是一个url地址,例: ```python hljs d = pq("<html><title>hello</title></html>")d = pq(filename=path_to_html_file)d = pq(url='http://www.baidu.com') # 此处url必须写全 ``` ### 2、html() 和 text() ——获取相应的HTML块或文本块,例: ```python hljs p = pq("<head><title>hello</title></head>")p('head').html() # 返回<title>hello</title>p('head').text() # 返回hello ``` ### 3、根据HTML标签来获取元素,例: ```python hljs d = pq('<div><p>test 1</p><p>test 2</p></div>') d('p') # 返回[<p>,<p>]print d('p') # 返回<p>test 1</p><p>test 2</p>print d('p').html() # 返回test 1 ``` ### 注意:当获取到的元素不只一个时,html()、text()方法只返回首个元素的相应内容块 ### 4、eq(index) ——根据给定的索引号得到指定元素 ### 接上例,若想得到第二个p标签内的内容,则可以 ```python hljs print d('p').eq(1).html() # 返回test 2 ``` ### 5、filter() ——根据类名、id名得到指定元素,例: ```python hljs d = pq("<div><p id='1'>test 1</p><p class='2'>test 2</p></div>")d('p').filter('#1') # 返回[<p#1>]d('p').filter('.2') # 返回[<p.2>] ``` ### 6、find() ——查找嵌套元素,例: ```python hljs d = pq("<div><p id='1'>test 1</p><p class='2'>test 2</p></div>")d('div').find('p') # 返回[<p#1>, <p.2>]d('div').find('p').eq(0) #返回[<p#1>] ``` ### 7、直接根据类名、id名获取元素,例: ```python hljs d = pq("<div><p id='1'>test 1</p><p class='2'>test 2</p></div>")d('#1').html() # 返回test 1d('.2').html() # 返回test 2 ``` ### 8、获取属性值,例: ```python hljs d = pq("<p id='my_id'><a href='http://hello.com'>hello</a></p>")d('a').attr('href') # 返回http://hello.comd('p').attr('id') # 返回my_id ``` ### 9、修改属性值,例: ```python hljs d('a').attr('href', 'http://baidu.com') ``` ### 10、addClass(value) ——为元素添加类,例: ```python hljs d = pq('<div></div>')d.addClass('my_class') # 返回[<div.my_class>] ``` ### 11、hasClass(name) #返回判断元素是否包含给定的类,例: ```python hljs d = pq("<div class='my_class'></div>")d.hasClass('my_class') # 返回True ``` ### 12、children(selector=None) ——获取子元素,例: ```python hljs d = pq("<span><p id='1'>hello</p><p id='2'>world</p></span>")d.children() # 返回[<p#1>, <p#2>]d.children('#2') # 返回[<p#2>] ``` ### 13、parents(selector=None)——获取父元素,例: ```python hljs d = pq("<span><p id='1'>hello</p><p id='2'>world</p></span>")d('p').parents() # 返回[<span>]d('#1').parents('span') # 返回[<span>]d('#1').parents('p') # 返回[] ``` ### 14、clone() ——返回一个节点的拷贝 ### 15、empty() ——移除节点内容 ### 16、nextAll(selector=None) ——返回后面全部的元素块,例: ```python hljs d = pq("<p id='1'>hello</p><p id='2'>world</p><img scr='' />")d('p:first').nextAll() # 返回[<p#2>, <img>]d('p:last').nextAll() # 返回[<img>] ``` ### 17、not_(selector) ——返回不匹配选择器的元素,例: ```python hljs d = pq("<p id='1'>test 1</p><p id='2'>test 2</p>")d('p').not_('#2') # 返回[<p#1>] ``` ### 18、获取多个元素用 items() ```python hljs array = d.find('div#brand-a').items()for one in array: print(one.text()) ``` 最后修改:2021 年 08 月 21 日 © 允许规范转载 打赏 赞赏作者 微信 赞 0 如果觉得我的文章对你有用,请随意赞赏
此处评论已关闭