PyQuery选择器

学了re,xpath,beautifuisoup,再接着学PyQuery时总觉得，一些语句自己已经看过很多遍了，我们从一个简单的例子入手。

html = '''
<div>
    <ul>
         <li class="item-0">first item</li>
         <li class="item-1"><a href="link2.html">second item</a></li>
         <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
         <li class="item-1 active"><a href="link4.html">fourth item</a></li>
         <li class="item-0"><a href="link5.html">fifth item</a></li>
     </ul>
 </div>
'''


from pyquery import PyQuery as pq
doc = pq(html)
print(doc('li'))

有用的信息就是， 

from pyquery import PyQuery as pq    #必加   pq(filename='demo.html') 本地存在demo.html时也可以

doc = pq(html)    #pq(html) 得到处理过的html代码

doc('li')       #css查找，对，我们在pyquery中用到了css查找法

doc('#container .list li')     #名叫container 节点下有list属性的节点下的<li>标签

doc('.list')                   #属性是list

items.children('.active')     # items下 属性为active的

items.parent()                 #item的父亲节点，一个父亲!
 
items.parents('.wrap')        #item的所有父亲下 有wrap属性的

li = doc('.list .item-0.active')  #属性是 list 下的 既有active又有item-0属性的标签

li.siblings()                    #所有兄弟节点

doc = pq(html)
lis = doc('li').items()    #items  产生一个生成器，通过循环提取
print(type(lis))           #<class 'generator'>
for li in lis:
    print(li, type(li))

获取信息：

 .attr获取属性

a = doc('.item-0.active a')print(a.attr('href'))

.text，.html 获取文本

doc = pq(html)
li = doc('li')
print(li.html())  #第一个节点的内部  html信息
print(li.text())  #所有节点的 文本信息，注意，不输出标签相关的信息。

　节点操作

     addClass  和  removeClass,    addClass()和removeClass()这些方法可以动态改变节点的class属性

doc = pq(html)
li = doc('.item-0.active')

li.removeClass('active')  #这标签里面去掉 active属性

li.addClass('active')     #这标签里面加上 active 属性

　　

attr、text和html

当然，除了操作class这个属性外，也可以用attr()方法对属性进行操作。此外，还可以用text()和html()方法来改变节点内部的内容。示例如下：

 

html = '''
<ul class="list">
     <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
</ul>
'''
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.item-0.active')
print(li)
li.attr('name', 'link')  #从属性入手，加一个name:是link 
print(li)
li.text('changed item')  #文本改为changed item 
print(li)
li.html('<span>changed item</span>')  # li 标签里面全改为    <span>changed item</span>

print(li)

标签删除

doc = pq(html)
res = doc('.wrap')
res.find('p').remove() #找到 <p> 标签删除
print(wrap.text())

　

 伪类选择器    //之所以伪，可以理解为我们学习伪代码时候，那些语句也都很人性化容易理解

li = doc('li:first-child') #li下面的第一个儿子

li = doc('li:last-child') #li下的最后一个儿子

li = doc('li:nth-child(2)')  #第二个儿子

li = doc('li:gt(2)')         #第二个儿之后的所有儿子

li = doc('li:nth-child(2n)')  #偶数儿子