大家好，又见面了，我是你们的朋友全栈君。
pyquery的强大之处就在于它有强大的CSS选择器，要初始化一个pyquery对象，首先需要传入一个HTML文本，它的初始化方式有多种，比如传入字符串、URL、文件名等。
字符串初始化：
我们先来看一个例子：
from pyquery import PyQuery as pq#引入PyQuery对象
html = '''
<div class="global-nav-items">
<ul>
<li class="on">
<a href="https://www.douban.com" data-moreurl-dict="{"from":"top-nav-click-main","uid":"0"}">豆瓣</a>
</li>
<li class="">
<a href="https://book.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-book","uid":"0"}">读书</a>
</li>
<li class="">
<a href="https://movie.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-movie","uid":"0"}">电影</a>
</li>
<li class="">
<a href="https://music.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-music","uid":"0"}">音乐</a>
</li>
<li class="">
<a href="https://www.douban.com/location" target="_blank" data-moreurl-dict="{"from":"top-nav-click-location","uid":"0"}">同城</a>
</li>
<li class="">
<a href="https://www.douban.com/group" target="_blank" data-moreurl-dict="{"from":"top-nav-click-group","uid":"0"}">小组</a>
</li>
<li class="">
<a href="https://read.douban.com/?dcs=top-nav&dcm=douban" target="_blank" data-moreurl-dict="{"from":"top-nav-click-read","uid":"0"}">阅读</a>
</li>
<li class="">
<a href="https://douban.fm/?from_=shire_top_nav" target="_blank" data-moreurl-dict="{"from":"top-nav-click-fm","uid":"0"}">FM</a>
</li>
</ul>
</div>
'''
doc = pq(html)
print(doc('li'))#将初始化好的对象传入CSS选择器获取li标签<li class="on">
<a href="https://www.douban.com" data-moreurl-dict="{"from":"top-nav-click-main","uid":"0"}">豆瓣</a>
</li>
<li class="">
<a href="https://book.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-book","uid":"0"}">读书</a>
</li>
<li class="">
<a href="https://movie.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-movie","uid":"0"}">电影</a>
</li>
<li class="">
<a href="https://music.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-music","uid":"0"}">音乐</a>
</li>
<li class="">
<a href="https://www.douban.com/location" target="_blank" data-moreurl-dict="{"from":"top-nav-click-location","uid":"0"}">同城</a>
</li>
<li class="">
<a href="https://www.douban.com/group" target="_blank" data-moreurl-dict="{"from":"top-nav-click-group","uid":"0"}">小组</a>
</li>
<li class="">
<a href="https://read.douban.com/?dcs=top-nav&dcm=douban" target="_blank" data-moreurl-dict="{"from":"top-nav-click-read","uid":"0"}">阅读</a>
</li>
<li class="">
<a href="https://douban.fm/?from_=shire_top_nav" target="_blank" data-moreurl-dict="{"from":"top-nav-click-fm","uid":"0"}">FM</a>
</li>URL初始化：
当初始化的参数为URL时，需要指定参数为url：
from pyquery import PyQuery as pq
doc = pq(url='https://movie.douban.com/cinema/nowplaying/chengdu/')
print(doc('title'))<title>
成都 - 在线购票&影讯
</title>PyQuery对象会首先请求这个url，然后用得到的html内容完成初始化，这相当于用网页的源代码以字符串的形式传递给PyQuery类来初始化，下面的写法也是相同的：
from pyquery import PyQuery as pq
import requests
doc = pq(requests.get('https://movie.douban.com/cinema/nowplaying/chengdu/').text)
print(doc('title'))除了传递url以外，还可以传递本地的文件名，只需要将参数指定为filename即可：
from pyquery import PyQuery as pq
doc = pq(filename='rr.html')
print(doc('img'))当然文件必须时html文件，这样的话会先读取本地的文件内容，然后将文件内容以字符串的形式传递给PyQuery类来初始化。
CSS选择器
先来看一个例子：
from pyquery import PyQuery as pq#引入PyQuery对象
html = '''
<div id="items">
<ul class="list">
<li class="on">
<a href="https://www.douban.com" data-moreurl-dict="{"from":"top-nav-click-main","uid":"0"}">豆瓣</a>
</li>
<li class="">
<a href="https://book.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-book","uid":"0"}">读书</a>
</li>
</ul>
</div>
'''
doc = pq(html)
print(doc('#items .list li'))
print(type(doc('#items .list li')))<li class="on">
<a href="https://www.douban.com" data-moreurl-dict="{"from":"top-nav-click-main","uid":"0"}">豆瓣</a>
</li>
<li class="">
<a href="https://book.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-book","uid":"0"}">读书</a>
</li>
<class 'pyquery.pyquery.PyQuery'>这里我们初始化了PyQuery对象以后传入一个CSS选择器：#items .list li它的意思是先选取id为items的节点，然后再选取其内部class为list的节点内部的所有li结点。
查找结点
使用find()方法，传入CSS选择器可以查找子节点：
from pyquery import PyQuery as pq#引入PyQuery对象
html = '''
<div id="items">
<ul class="list">
<li class="on">
<a href="https://www.douban.com" data-moreurl-dict="{"from":"top-nav-click-main","uid":"0"}">豆瓣</a>
</li>
<li class="">
<a href="https://book.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-book","uid":"0"}">读书</a>
</li>
</ul>
</div>
'''
doc = pq(html)
items = doc('.list')
print(items)
print(type(items))
lis = items.find('li')
print(lis)
print(type(lis))<ul class="list">
<li class="on">
<a href="https://www.douban.com" data-moreurl-dict="{"from":"top-nav-click-main","uid":"0"}">豆瓣</a>
</li>
<li class="">
<a href="https://book.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-book","uid":"0"}">读书</a>
</li>
</ul>
<class 'pyquery.pyquery.PyQuery'>
<li class="on">
<a href="https://www.douban.com" data-moreurl-dict="{"from":"top-nav-click-main","uid":"0"}">豆瓣</a>
</li>
<li class="">
<a href="https://book.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-book","uid":"0"}">读书</a>
</li>
<class 'pyquery.pyquery.PyQuery'>这里首先选取class为list的节点，然后调用find()方法，传入css选择器，选取其内部的li节点，这时find()方法就会将所有符合条件的子节点选出来。find()方法会将所有符合条件的子孙节点找出来，如果要选则直接子节点就可以用children()方法：
from pyquery import PyQuery as pq#引入PyQuery对象
doc = pq(html)
items = doc('.list')
lis = items.children()
print(lis)
print(type(lis))<li class="on">
<a href="https://www.douban.com" data-moreurl-dict="{"from":"top-nav-click-main","uid":"0"}">豆瓣</a>
</li>
<li class="">
<a href="https://book.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-book","uid":"0"}">读书</a>
</li>
<class 'pyquery.pyquery.PyQuery'>如果要所有子节点中符合条件的节点，比如想筛选出子节点中class为on的节点可以向children()方法传入CSS选择器.on：
lis = items.children('.on')
print(lis)<li class="on">
<a href="https://www.douban.com" data-moreurl-dict="{"from":"top-nav-click-main","uid":"0"}">豆瓣</a>
</li>如果想要获取父节点可以用parents()方法：
from pyquery import PyQuery as pq#引入PyQuery对象
doc = pq(html)
items = doc('.list')
lis = items.parent()
print(lis)
print(type(lis))<div id="items">
<ul class="list">
<li class="on">
<a href="https://www.douban.com" data-moreurl-dict="{"from":"top-nav-click-main","uid":"0"}">豆瓣</a>
</li>
<li class="">
<a href="https://book.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-book","uid":"0"}">读书</a>
</li>
</ul>
</div>
<class 'pyquery.pyquery.PyQuery'>这里的父节点时直接父节点，如果想要查找祖先节点可以用parents()方法。
如果想要筛选某个祖先节点的话可以用CSS选择器：
parent = items.parents('.wrap')这里筛选出class为wrap的父节点。
使用siblings()方法可以筛选出兄弟节点：
items = doc('.list .on')
print(items.siblings())<li class="">
<a href="https://book.douban.com" target="_blank" data-moreurl-dict="{"from":"top-nav-click-book","uid":"0"}">读书</a>
</li>通过CSS选择器可以筛选出符合条件的兄弟节点：
print(items.siblings('.active'))筛选出class为active的兄弟节点。
使用items()方法可以对其中的节点解析遍历：
lis = doc('li').items()
for li in lis:
print(li)解析网页的最终目的就是要提取其中的信息，下面分别来说一下如何来获取属性和文本：
attr()方法可以用来获取属性：
a = doc('.list .on a')
print(a.attr('href'))https://www.douban.com这里首先选中a标签，然后调用attr()方法获取href的属性值。
也可以调用attr的href属性：a.attr.href。
但要注意的是，当返回结果包含多个节点时attr()只会得到第一个节点的属性。但使用遍历就可以得到所有a节点的属性：
a = doc('a')
for item in a.items():
print(item.attr('href'))使用text()方法可以获取其中的文本：
a = doc('.list .on a')
print(a.text())豆瓣如果想要获取全部的html文本就可以使用html()方法。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员-用户IM，转载请注明出处：https://javaforall.cn/140594.html原文链接：https://javaforall.cn
【正版授权，激活自己账号】： Jetbrains全家桶Ide使用，1年售后保障，每天仅需1毛
【官方授权 正版激活】： 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...
