PyQuery基本操作介绍

PyQuery为Python提供一个类似于jQuery对HTML的操作方式，可以使用jQuery的语法对html文档进行查询操作。本文以百度首页为例来介绍PyQuery的一些基本操作。

初始化pyquery

from pyquery import PyQuery as pqdoc = pq(url='http://www.baidu.com')print(type(doc))

<class 'pyquery.pyquery.PyQuery'>

# 获取导航链接的父元素(id='u1')products = doc('#u1')print(type(products))

<class 'pyquery.pyquery.PyQuery'>

link_index_first = products('a:first')link_index_last = products('a:last')link_index_custom = products('a:eq(2)')print(type(link_index_first))

<class 'pyquery.pyquery.PyQuery'>

可以通过PyQuery的text()方法来获取其对应的文字

print(link_index_first.text())print(link_index_last.text())print(link_index_custom.text())

糯米

更多产品

hao123

也可以通过PyQuery的attr()方法来获取元素的属性

print(link_index_first.attr('name'))

tj_trnuomi

下面来遍历所有导航按钮。 P.S. 注意此时link的类型是“lxml.html.HtmlElement”

# 遍历所有导航链接，并显示链接的name属性和在网页上显示的文字links = products('a')for link in links:    id_name = link.get('name')    text = link.text    print('Name: {0: <15}\tText: {1: <15}'.format(id_name, text))

Name: tj_trnuomi Text: 糯米

Name: tj_trnews Text: 新闻

Name: tj_trhao123 Text: hao123

Name: tj_trmap Text: 地图

Name: tj_trvideo Text: 视频

Name: tj_trtieba Text: 贴吧

Name: tj_login Text: 登录

Name: tj_settingicon Text: 设置

Name: tj_briicon Text: 更多产品

下面介绍一下初始化PyQuery时的另外两种参数

• 直接转换字符串

d = pq("")d = pq(etree.fromstring(""))

• 读取文件

d = pq(filename=path_to_html_file)

另外，在处理需要编码的文件时可以使用如下的方法：

from lxml.html import HTMLParser, fromstringUTF8_PARSER = HTMLParser(encoding='utf-8')with open(page, encoding='utf-8') as filehandler:    file_contents = filehandler.read()doc = pq(fromstring(file_contents, parser = UTF8_PARSER))