NO.11——pyquery的基本操作知识
程序员文章站
2022-05-02 18:05:36
...
a = '''<title>标题</title>
<body>
<ul class='list1'>
<li>列表1第1项</li>
<li>列表1第2项</li>
</ul>
<p class='first'>文字1</p>
<p class='second'>文字2</p>
<ul class='list2'>
<li>列表2第1项</li>
<li>列表2第2项</li>
</ul>
</body>'''
from pyquery import PyQuery as pq
doc = pq(a)
doc('title').text() # '标题'
doc('p').filter('.first').text() # '文字1'
doc('p[class=first]').text() # 同上，只是这种方法支持除了id和class之外的属性筛选
doc('p').text() # '文字1 文字2'
doc('ul').filter('.list1').find('li').text() # '列表1第1项 列表1第2项'
doc('ul.list1 li').text() # 简化形式
doc('ul.list1 > li').text() # 节点之间用>连接也可以，但是加>只能查找子元素，空格子孙元素
- 提取标签内容，用.text()
- 提取标签属性值，用.attr()
提取子孙节点内容用.text()；如果只提取子节点用.html()，可能提取出来的是子节点的整个标签。
a = '''
<body>
<h><a href='www.baidu.com'>head</a></h>
<p>段落1</p>
<p>段落2</p>
</body>
'''
doc = pq(a)
# 提取标签内容
doc('h').text() # 'head'
doc('h').html() # '<a href="www.baidu.com">head</a>'
doc('body').html() # '\n <h><a href="www.baidu.com">head</a></h>\n <p>段落1</p>\n <p>段落2</p>\n'
doc('p').text() # '段落1 段落2'
doc('p').text().split(' ') # ['段落1', '段落2']
doc('p:nth-of-type(1)').text() #匹配属于父元素的第一个子元素 '段落1'
doc('body').text() # 'head 段落1 段落2'# 提取标签属性
doc('h a').attr('href') # 'www.biaoti.com'