欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

python解析html开发库pyquery使用方法

程序员文章站 2022-04-06 18:47:49
...
例如

代码如下:



导演: 汤姆·提克威 / 拉娜·沃卓斯基 / 安迪·沃卓斯基

编剧: 汤姆·提克威 / 安迪·沃卓斯基 / 拉娜·沃卓斯基

主演: 汤姆·汉克斯 / 哈莉·贝瑞 / 吉姆·布劳德本特 / 雨果·维文 / 吉姆·斯特吉斯 / 裴斗娜 / 本·卫肖 / 詹姆斯·达西 / 周迅 / 凯斯·大卫 / 大卫·吉雅西 / 苏珊·萨兰登 / 休·格兰特

类型: 剧情 / 科幻 / 悬疑

官方网站: cloudatlas.warnerbros.com

制片国家/地区: 德国 / 美国 / 香港 / 新加坡

语言: 英语

上映日期: 2013-01-31(*) / 2012-10-26(美国)

片长: 134分钟(*) / 172分钟(美国)

IMDb链接: tt1371111

官方小站:
电影《云图》

代码如下:


from pyquery import PyQuery as pq
doc=pq(url='http://movie.douban.com/subject/3530403/')
data=doc('.pl')
for i in data:
print pq(i).text()

输出

代码如下:


导演
编剧
主演
类型:
官方网站:
制片国家/地区:
语言:
上映日期:
片长:
IMDb链接:
官方小站:

用法

用户可以使用PyQuery类从字符串、lxml对象、文件或者url来加载xml文档:

代码如下:


>>> from pyquery import PyQuery as pq
>>> from lxml import etree
>>> doc=pq("

")
>>> doc=pq(etree.fromstring(""))
>>> doc=pq(filename=path_to_html_file)
>>> doc=pq(url='http://movie.douban.com/subject/3530403/')

可以像jQuery一样选择对象了

代码如下:


>>> doc('.pl')
[, , , , , , , , , , , , , , , , , , , ]

这样,class为'pl'的对象就全部选择出来了。

不过在使用迭代时需要对文本进行重新封装:

代码如下:


for para in doc('.pl'):
para=pq(para)
print para.text()
导演
编剧
主演
类型:
官方网站:
制片国家/地区:
语言:
上映日期:
片长:
IMDb链接:
官方小站:

这里得到的text是unicode码,如果要写入文件需要编码为字符串。
用户可以使用jquery提供的一些伪类(但还不支持css)来进行操作,诸如:

代码如下:


>>> doc('.pl:first')
[]
>>> print doc('.pl:first').text()
导演

Attributes
获取html元素的属性

代码如下:


>>> p=pq('

')('p')
>>> p.attr('id')
'hello'
>>> p.attr.id
'hello'
>>> p.attr['id']
'hello'

赋值

代码如下:


>>> p.attr.id='plop'
>>> p.attr.id
'plop'
>>> p.attr['id']='ola'
>>> p.attr.id
'ola'
>>> p.attr(id='hello',class_='hello2')
[

]

Traversing
过滤

代码如下:


>>> d=pq('

hello

world

')
>>> d('p').filter('.hello')
[

]
>>> d('p').filter('#test')
[

]
>>> d('p').filter(lambda i:i==1)
[

]
>>> d('p').filter(lambda i:i==0)
[

]
>>> d('p').filter(lambda i:pq(this).text()=='hello')
[

]

按照顺序选择

代码如下:


>>> d('p').eq(0)
[

]
>>> d('p').eq(1)
[

]

选择内嵌元素

代码如下:


>>> d('p').eq(1).find('a')
[]

选择父元素

代码如下:


>>> d=pq('

Whoah!

there

')
>>> d('p').eq(1).find('em')
[]
>>> d('p').eq(1).find('em').end()
[

]
>>> d('p').eq(1).find('em').end().text()
'there'
>>> d('p').eq(1).find('em').end().end()
[

,

]