Python中PyQuery库的使用总结

pyquery库是jQuery的Python实现，可以用于解析HTML网页内容，我个人写过的一些抓取网页数据的脚本就是用它来解析html获取数据的。他的官方文档地址是：http://packages.python.org/pyquery/。今天重新看了一遍整个文档，把它的一些使用方法整理了一下，做个记录。

使用方法
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：

d=pq("hello") 

d=pq(filename=path_to_html_file) 

d=pq(url='http://www.baidu.com')   注意：此处url似乎必须写全

2.html()和text() ——获取相应的HTML块或文本块，

例：

p=pq("hello") 

p('head').html() #返回hello 

p('head').text() #返回hello

3.根据HTML标签来获取元素，

例：

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：

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：

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：

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：

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：

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：

d('a').attr('href', 'http://baidu.com')把href属性修改为了baidu

10.addClass(value) ——为元素添加类，例：

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：

d=pq("<div class='my_class'></div>")

d.hasClass('my_class')

#返回True

12.children(selector=None) ——获取子元素，例：

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：

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：

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：

d=pq("<p id='1'>test 1</p><p id='2'>test 2</p>")

d('p').not_('#2')

#返回[<p#1>]

pyquery还有其他一些用法，这里没有一一整理出来，更多更全的方法可以直接去看它的文档。