非常适合会Jquery的用户，正则麻烦，BeautifulSoup难记，那就选择PyQuery。
安装
pip3 install pyquery
字符串初始化
html = '''<div><ul><li class="item-0">first item</li><li class="item-1"><a href="link2">second item</a></li><li class="item-0 active"><a href="link3"><span class="bold">third item</span></a></li><li class="item-1 active"><a href="link4">fourth item</a></li><li class="item-0"><a href="link5">fifth item</a></li></ul></div>'''from pyquery import PyQuery as pqdoc = pq(html)print(doc('li'))
如果要选择 id 就在前面加
#如果要选择 class 就在前面加.这里是选择li就直接写li就好了。
- as 是一个通用做法，就是把上面的一长串取一个昵称 为 pq
结果如下
URL 初始化
from pyquery import PyQuery as pqdoc = pq('http://www.52cons.com')print(doc('head'))
在这里我们直接传入一个 URL 然后直接用 PyQuery 获取它的
head。
结果如下
文件初始化
- 首先新建一个文件
demo.html内容为 字符串初始化 里面html的内容。 - 这个文件要和
1.py在相同目录内。 ``` from pyquery import PyQuery as pq doc = pq(filename=’demo.html’) print(doc(‘li’))
结果如下<br />## 基本 CSS 选择器
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) print(doc(‘#container .list li’))
> 层级选择，不一定是父子关系，比如`li` 不一定是 `list`的子，也可以是孙或者更低级别都可以，只要是嵌套关系就可以。运行结果<br />### 查找元素#### 子元素
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) items = doc(‘.list’)
这里items 查找出的就是 .list 这里面的内容
print(type(items)) print(items) lis = items.find(‘li’)
找 items 里面是 .list 也就是找 .list 里面的 li
print(type(lis)) print(lis)
结果如下<br />##### 直接子元素查找 children
lis = items.children() print(type(lis)) print(lis)
##### 查找某个class的直接子元素
lis = items.children(‘.active’) print(lis)
#### 父元素 parent> 每个元素只会有一个父元素，
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) items = doc(‘.list’) container = items.parent() print(type(container)) print(container)
结果如下<br />#### 祖先元素 parents> 父亲和 爷爷是嵌套的，他打印一次父亲，再打印一次包含父亲和叔叔的爷爷节点。
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) items = doc(‘.list’) container = items.parents() print(type(container)) print(container)
> 和父元素相差就是多了一个 `s`结果如下<br />#### 兄弟元素 siblings> 兄弟节点不会打印本身
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) li = doc(‘.list .item-0.active’) print(li.siblings())
**注意：** `.item-0.active` 中间没有空格，意思是带 `.item-0` 和`.active` class 的标签。 这个 li 带两个 class<br />结果如下<br />##### 查找带某class 的兄弟元素
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) li = doc(‘.list .item-0.active’) print(li.siblings(‘.active’)) #这里加个active
结果如下<br />### 遍历#### 单个元素
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) li = doc(‘.item-0.active’) print(li)
结果<br />#### 多个元素（.items)迭代，`.items`是一个方法，不是一个`class`
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) lis = doc(‘li’).items() print(type(lis)) for li in lis: print(li)
结果<br />> 我们看到`lis`的类型是 generator, 这样就把所有的 li 都 **分别** 打印出来了。## 获取信息### 获取属性 .attr
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) a = doc(‘.item-0.active a’) print(a) print(a.attr(‘href’)) #方法一和方法二效果一样 print(a.attr.href) #方法二和方法一一样
> 打印同时包含class 为 .item-0和.active 的标签里面的 a 标签结果如下<br />### 获取文本 .text()
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) a = doc(‘.item-0.active a’) print(a) print(a.text())
> 注意 text 后面有括号结果如下<br />### 获取html .html()
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) li = doc(‘.item-0.active’) print(li) print(li.html())
结果如下<br />## DOM操作### removeClass | addClass
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
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)
> 首先打印li,然后 移除active标签并打印，然后又添加active并打印结果如下<br />### attr（属性） 、css> 修改 或者 添加 属性 以及 CSS
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) li = doc(‘.item-0.active’) print(li) li.attr(‘name’,’link’) # 添加一个属性 name=”link” print(li) li.css(‘font-size’,’14px’) #添加一个css属性 print(li)
结果<br />### remove()这个用法比较频繁比如下面这个html, 我们只需要打印 Hello, World 但是如果我们使用 `.text`就会把 `p`标签里面的text 也打印出来，这个时候就需要删除`p`标签和里面的内容，再打印的话就可以只显示 **Hello, World** 了。
html = ‘’’
This is a paragraph.
from pyquery import PyQuery as pq doc = pq(html) wrap = doc(‘.wrap’) print(wrap.text()) wrap.find(‘p’).remove() print(wrap.text())
结果如下<br />### 其他DOM 方法[http://pyquery.readthedocs.io/en/latest/api.html](http:_pyquery.readthedocs.io_en_latest_api)### 伪类选择器
html = ‘’’
- first item
- second item
- third item
- fourth item
- fifth item
from pyquery import PyQuery as pq doc = pq(html) li = doc(‘li:first-child’) print(li)
选择第一个lis
li = doc(‘li:last-child’) print(li)
选择第二个li
li = doc(‘li:nth-child(2)’) print(li)
选择第二个li，这里不是从0开始，而是从1开始
li = doc(‘li:gt(2)’) print(li)
选择大于第“3”个li的，也就第4和第五 这里是从0开始计算
li = doc(‘li:nth-child(2n)’) print(li)
选择偶数的li 也就是 第二 和第四 个
li = doc(‘li:contains(second)’) print(li)
选择 内容包括 second 的 li
```
结果
更多 伪类选择器方法 （CSS3 选择器）
http://www.w3school.com.cn/cssref/css_selectors.asp
在 CSS 中，选择器是一种模式，用于选择需要添加样式的元素。
“CSS” 列指示该属性是在哪个 CSS 版本中定义的。（CSS1、CSS2 还是 CSS3。）
| 选择器 | 例子 | 例子描述 | CSS | | —- | —- | —- | —- |
| .class | .intro | 选择 class=”intro” 的所有元素。 | 1 |
| #id | #firstname | 选择 id=”firstname” 的所有元素。 | 1 |
| * | * | 选择所有元素。 | 2 |
| element | p | 选择所有 元素。 | 1 |
| element,element | div,p | 选择所有 元素。
| 1 |
| element element | div p | 选择 元素。
| 1 |
| element>element | div>p | 选择父元素为 元素。
| 2 |
| element+element | div+p | 选择紧接在 元素。
| 2 |
| [attribute] | [target] | 选择带有 target 属性所有元素。 | 2 |
| [attribute=value] | [target=_blank] | 选择 target=”_blank” 的所有元素。 | 2 |
| [attribute~=value] | [title~=flower] | 选择 title 属性包含单词 “flower” 的所有元素。 | 2 |
| [attribute|=value] | [lang|=en] | 选择 lang 属性值以 “en” 开头的所有元素。 | 2 |
| :link | a:link | 选择所有未被访问的链接。 | 1 |
| :visited | a:visited | 选择所有已被访问的链接。 | 1 |
| :active | a:active | 选择活动链接。 | 1 |
| :hover | a:hover | 选择鼠标指针位于其上的链接。 | 1 |
| :focus | input:focus | 选择获得焦点的 input 元素。 | 2 |
| :first-letter | p:first-letter | 选择每个 元素的首字母。 | 1 |
| :first-line | p:first-line | 选择每个 元素的首行。 | 1 |
| :first-child | p:first-child | 选择属于父元素的第一个子元素的每个 元素。 | 2 |
| :before | p:before | 在每个 元素的内容之前插入内容。 | 2 |
| :after | p:after | 在每个 元素的内容之后插入内容。 | 2 |
| :lang(language) | p:lang(it) | 选择带有以 “it” 开头的 lang 属性值的每个 元素。 | 2 |
| element1~element2 | p~ul | 选择前面有 元素的每个
| 3 |
| [attribute^=value] | a[src^=”https”] | 选择其 src 属性值以 “https” 开头的每个 元素。 | 3 |
| [attribute$=value] | a[src$=”.pdf”] | 选择其 src 属性以 “.pdf” 结尾的所有 元素。 | 3 |
| [attribute=value] | a[src*=”abc”] | 选择其 src 属性中包含 “abc” 子串的每个 元素。 | 3 |
|
:first-of-type
| p:first-of-type
| 选择属于其父元素的首个 元素的每个
元素。
| 3
|
|
:last-of-type
| p:last-of-type
| 选择属于其父元素的最后 元素的每个
元素。
| 3
|
|
:only-of-type
| p:only-of-type
| 选择属于其父元素唯一的 元素的每个
元素。
| 3
|
| :only-child | p:only-child | 选择属于其父元素的唯一子元素的每个 元素。 | 3 |
| :nth-child(n) | p:nth-child(2) | 选择属于其父元素的第二个子元素的每个 元素。 | 3 |
| :nth-last-child(n) | p:nth-last-child(2) | 同上，从最后一个子元素开始计数。 | 3 |
|
:nth-of-type(n)
| p:nth-of-type(2)
| 选择属于其父元素第二个 元素的每个
元素。
| 3
|
| :nth-last-of-type(n) | p:nth-last-of-type(2) | 同上，但是从最后一个子元素开始计数。 | 3 |
| :last-child | p:last-child | 选择属于其父元素最后一个子元素每个 元素。 | 3 |
| :root | :root | 选择文档的根元素。 | 3 |
| :empty | p:empty | 选择没有子元素的每个 元素（包括文本节点）。 | 3 |
| :target | #news:target | 选择当前活动的 #news 元素。 | 3 |
| :enabled | input:enabled | 选择每个启用的 元素。 | 3 |
| :disabled | input:disabled | 选择每个禁用的 元素 | 3 |
| :checked | input:checked | 选择每个被选中的 元素。 | 3 |
| :not(selector) | :not(p) | 选择非 元素的每个元素。 | 3 |
| ::selection | ::selection | 选择被用户选取的元素部分。 | 3 |
官方文档
若有收获，就点个赞吧
0 人点赞
