10.5 PyQuery：jQuery 风格的 Python HTML 解析库

文章目录

前言
一、准备工作
- [1.1 安装](#1.1 安装)
- [1.2 初始化方式](#1.2 初始化方式)
[二、快速上手](#二、快速上手)
- [2.1 基础操作](#2.1 基础操作)
- [2.2 伪类选择器](#2.2 伪类选择器)
- [2.3 常用选择器速查表](#2.3 常用选择器速查表)

前言

PyQuery 是一款基于 Python 的 HTML 解析库，其设计完全借鉴了 jQuery 的 API 风格。如果你熟悉 jQuery 的操作语法，又希望避免学习 BeautifulSoup 等其他解析库的全新方法体系，PyQuery 将是你的理想选择。

一、准备工作

1.1 安装

bash 复制代码

bash
pip install pyquery

导入模块（推荐使用别名 pq）：

python 复制代码

python
from pyquery import PyQuery as pq

1.2 初始化方式

PyQuery 支持多种数据源初始化：

传入 HTML 字符串

python 复制代码

python
html = '''
<html>
    <head>
        <title>Hello PyQuery</title>
    </head>
    <body>
        <ul id="container">
            <li class="l1">l1</li>
            <li class="l2">l2</li>
            <li class="l3">l3</li>
        </ul>
    </body>
</html>
'''
doc = pq(html)

传入本地文件

python 复制代码

python
doc = pq(filename='p.html')

传入 lxml.etree 对象

python 复制代码

python
from lxml import etree

etree_obj = etree.fromstring('<html><title>Hello PyQuery</title></html>')
doc = pq(etree_obj)

传入 URL（自动请求）

python 复制代码

python
doc = pq('http://www.baidu.com')

二、快速上手

2.1 基础操作

获取元素

python 复制代码

python
doc = pq(html)

# 通过ID选择器获取元素
ul = doc('#container')

# 通过层级选择器获取元素
li = doc('ul li')

print(ul)  # 输出ul元素
print(li)  # 输出所有li元素

遍历元素

python 复制代码

python
# 获取所有li元素的迭代器
lis = doc('li').items()

for li in lis:
    print(li)

获取指定位置元素

python 复制代码

python
lis = doc('li').items()
l2 = list(lis)[1]  # 获取第二个li元素（索引从0开始）
print(l2)

获取亲属元素

python 复制代码

python
ul = doc('#container')
l2 = doc('#container .l2')

# 获取父元素
ul_parent = ul.parent()

# 获取所有子元素
ul_child = ul.children()

# 获取兄弟元素（除自身外的同级元素）
l2_sib = l2.siblings()

print(ul_parent)
print(ul_child)
print(l2_sib)

获取属性与文本

python 复制代码

python
doc = pq('''
<html>
    <head>
        <title name='title'>Hello PyQuery</title>
    </head>
</html>
''')

title = doc('title')

# 获取属性
print(title.attr('name'))  # 输出：title

# 获取文本内容
print(title.text())  # 输出：Hello PyQuery

获取 HTML 内容

python 复制代码

python
ul = doc('ul')
print(ul.html())  # 输出ul内部的HTML

2.2 伪类选择器

伪类选择器允许根据元素特征进行更精细的筛选：

python 复制代码

python
doc = pq('''
<html>
    <head>
        <title>Hello PyQuery</title>
    </head>
    <body>
        <ul id="container">
            <li class="l1">l1</li>
            <li class="l2">l2</li>
            <li class="l3">l3last</li>
        </ul>
    </body>
</html>
''')

# :gt() - 获取索引大于指定值的元素
lis = doc('li:gt(-1)')  # 获取所有li（索引大于-1）

# :first-child - 获取第一个子元素
fli = doc('li:first-child')

# :last-child - 获取最后一个子元素
lli = doc('li:last-child')

# :nth-child() - 获取指定位置的子元素
l2 = doc('li:nth-child(2)')  # 第二个li

# :contains() - 获取包含指定文本的元素
cli = doc('li:contains("last")')  # 包含"last"文本的li

print(lis)
print(fli)
print(lli)
print(l2)
print(cli)

2.3 常用选择器速查表

选择器类型	示例	说明
基础选择器	doc('li')	标签选择器
	doc('.l1')	类选择器
	doc('#container')	ID选择器
层级选择器	doc('ul li')	后代元素
	doc('ul > li')	直接子元素
属性选择器	doc('[class]')	有class属性的元素
	doc('[class="l1"]')	class等于l1的元素
伪类选择器	doc('li:first')	第一个li
	doc('li:last')	最后一个li
	doc('li:even')	偶数索引的li
	doc('li:odd')	奇数索引的li
	doc('li:eq(1)')	第二个li（索引0开始）

10.5 PyQuery：jQuery 风格的 Python HTML 解析库

文章目录

前言

一、准备工作

1.1 安装

1.2 初始化方式

二、 快速上手

2.1 基础操作

2.2 伪类选择器

2.3 常用选择器速查表

二、快速上手