python解析html开发库pyquery使用方法

例如

复制代码 代码如下:

复制代码 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

复制代码 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:

复制代码 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

复制代码 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：

复制代码 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：

复制代码 代码如下:
>>> doc(\’.pl:first\’)
[]
>>> print  doc(\’.pl:first\’).text()
导演

Attributes
获取html元素的属性

复制代码 代码如下:
>>> p=pq(\'

赋值

复制代码 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

复制代码 代码如下:
>>> d=pq(\'

hello

world

复制代码 代码如下:
>>> d(\’p\’).eq(1).find(\’a\’)
[]