python 解析html网页
pyquery库是jQuery的Python实现，可以用于解析HTML网页内容，使用方法：
代码如下:
from pyquery import PyQuery as pq
1、可加载一段HTML字符串，或一个HTML文件，或是一个url地址，例：
代码如下:
d = pq(“<html><title>hello</title></html>”)
d = pq(filename=path_to_html_file)
d = pq(url=\’http://www.baidu.com\’) # 此处url必须写全
2、html() 和 text() ——获取相应的HTML块或文本块，例：
代码如下:
p = pq(“<head><title>hello</title></head>”)
p(\’head\’).html() # 返回<title>hello</title>
p(\’head\’).text() # 返回hello
3、根据HTML标签来获取元素，例：
代码如下:
d = pq(\'<div><p>test 1</p><p>test 2</p></div>\’)
d(\’p\’) # 返回[<p>,<p>]
print d(\’p\’) # 返回<p>test 1</p><p>test 2</p>
print d(\’p\’).html() # 返回test 1
注意：当获取到的元素不只一个时，html()、text()方法只返回首个元素的相应内容块
4、eq(index) ——根据给定的索引号得到指定元素
接上例，若想得到第二个p标签内的内容，则可以：
代码如下:
print d(\’p\’).eq(1).html() # 返回test 2
5、filter() ——根据类名、id名得到指定元素，例：
代码如下:
d = pq(“<div><p id=\’1\’>test 1</p><p class=\’2\’>test 2</p></div>”)
d(\’p\’).filter(\’#1\’) # 返回[<p#1>]
d(\’p\’).filter(\’.2\’) # 返回[<p.2>]
6、find() ——查找嵌套元素，例：
代码如下:
d = pq(“<div><p id=\’1\’>test 1</p><p class=\’2\’>test 2</p></div>”)
d(\’div\’).find(\’p\’) # 返回[<p#1>, <p.2>]
d(\’div\’).find(\’p\’).eq(0) #返回[<p#1>]
7、直接根据类名、id名获取元素，例：
代码如下:
d = pq(“<div><p id=\’1\’>test 1</p><p class=\’2\’>test 2</p></div>”)
d(\’#1\’).html() # 返回test 1
d(\’.2\’).html() # 返回test 2
8、获取属性值，例：
代码如下:
d = pq(“<p id=\’my_id\’><a href=\’http://hello.com\’>hello</a></p>”)
d(\’a\’).attr(\’href\’) # 返回http://hello.com
d(\’p\’).attr(\’id\’) # 返回my_id
9、修改属性值，例：
代码如下:
d(\’a\’).attr(\’href\’, \’http://baidu.com\’)
10、addClass(value) ——为元素添加类，例：
代码如下:
d = pq(\'<div></div>\’)
d.addClass(\’my_class\’) # 返回[<div.my_class>]
11、hasClass(name) #返回判断元素是否包含给定的类，例：
代码如下:
d = pq(“<div class=\’my_class\’></div>”)
d.hasClass(\’my_class\’) # 返回True
12、children(selector=None) ——获取子元素，例：
代码如下:
d = pq(“<span><p id=\’1\’>hello</p><p id=\’2\’>world</p></span>”)
d.children() # 返回[<p#1>, <p#2>]
d.children(\’#2\’) # 返回[<p#2>]
13、parents(selector=None)——获取父元素，例：
代码如下:
d = pq(“<span><p id=\’1\’>hello</p><p id=\’2\’>world</p></span>”)
d(\’p\’).parents() # 返回[<span>]
d(\’#1\’).parents(\’span\’) # 返回[<span>]
d(\’#1\’).parents(\’p\’) # 返回[]
14、clone() ——返回一个节点的拷贝
15、empty() ——移除节点内容
16、nextAll(selector=None) ——返回后面全部的元素块，例：
代码如下:
d = pq(“<p id=\’1\’>hello</p><p id=\’2\’>world</p><img scr=\’\’ />”)
d(\’p:first\’).nextAll() # 返回[<p#2>, <img>]
d(\’p:last\’).nextAll() # 返回[<img>]
17、not_(selector) ——返回不匹配选择器的元素，例：
代码如下:
d = pq(“<p id=\’1\’>test 1</p><p id=\’2\’>test 2</p>”)
d(\’p\’).not_(\’#2\’) # 返回[<p#1>]
版权声明：本文为iamjqy原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。