初始化
在这里介绍四种初始化方式。
(1)直接字符串
from pyquery import PyQuery as pq
doc = pq("<html></html>")
pq
参数可以直接传入 HTM
L 代码,doc
现在就相当于 jQuery
里面的 $
符号了。
(2)lxml.etree
from lxml import etree
doc = pq(etree.fromstring("<html></html>"))
可以首先用 lxml
的 etree
处理一下代码,这样如果你的 HTML
代码出现一些不完整或者疏漏,都会自动转化为完整清晰结构的 HTML
代码。
(3)直接传URL
from pyquery import PyQuery as pq
doc = pq(‘http://www.baidu.com‘)
这里就像直接请求了一个网页一样,类似用 urllib2
来直接请求这个链接,得到 HTML
代码。
(4)传文件
from pyquery import PyQuery as pq
doc = pq(filename=‘hello.html‘)
可以直接传某个路径的文件名。
快速体验
现在我们以本地文件为例,传入一个名字为 hello.html
的文件,文件内容为
<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>
编写如下程序
from pyquery import PyQuery as pq
doc = pq(filename=‘hello.html‘)
print doc.html()
print type(doc)
li = doc(‘li‘)
print type(li)
print li.text()
运行结果
<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>
<class ‘pyquery.pyquery.PyQuery‘>
<class ‘pyquery.pyquery.PyQuery‘>
first item second item third item fourth item fifth item
看,回忆一下 jQuery
的语法,是不是运行结果都是一样的呢?
在这里我们注意到了一点,PyQuery
初始化之后,返回类型是 PyQuery
,利用了选择器筛选一次之后,返回结果的类型依然还是 PyQuery
,这简直和 jQuery
如出一辙,不能更赞!然而想一下 BeautifulSoup
和 XPath
返回的是什么?列表!一种不能再进行二次筛选(在这里指依然利用 BeautifulSoup
或者 XPath
语法)的对象!
然而比比 PyQuery
,哦我简直太爱它了!
属性操作
你可以完全按照 jQuery
的语法来进行 PyQuery
的操作。
from pyquery import PyQuery as pq
p = pq(‘<p id="hello" class="hello"></p>‘)(‘p‘)
print p.attr("id")
print p.attr("id", "plop")
print p.attr("id", "hello")
运行结果
hello
<p id="plop" class="hello"/>
<p id="hello" class="hello"/>
再来一发
from pyquery import PyQuery as pq
p = pq(‘<p id="hello" class="hello"></p>‘)(‘p‘)
print p.addClass(‘beauty‘)
print p.removeClass(‘hello‘)
print p.css(‘font-size‘, ‘16px‘)
print p.css({‘background-color‘: ‘yellow‘})
运行结果
<p id="hello" class="hello beauty"/>
<p id="hello" class="beauty"/>
<p id="hello" class="beauty" style="font-size: 16px"/>
<p id="hello" class="beauty" style="font-size: 16px; background-color: yellow"/>
依旧是那么优雅与自信!
在这里我们发现了,这是一连串的操作,而 p
是一直在原来的结果上变化的。
因此执行上述操作之后,p
本身也发生了变化。
DOM操作
同样的原汁原味的 jQuery
语法
from pyquery import PyQuery as pq
p = pq(‘<p id="hello" class="hello"></p>‘)(‘p‘)
print p.append(‘ check out <a href="http://reddit.com/r/python"><span>reddit</span></a>‘)
print p.prepend(‘Oh yes!‘)
d = pq(‘<div class="wrap"><div id="test"><a href="http://cuiqingcai.com">Germy</a></div></div>‘)
p.prependTo(d(‘#test‘))
print p
print d
d.empty()
print d
运行结果
<p id="hello" class="hello"> check out <a href="http://reddit.com/r/python"><span>reddit</span></a></p>
<p id="hello" class="hello">Oh yes! check out <a href="http://reddit.com/r/python"><span>reddit</span></a></p>
<p id="hello" class="hello">Oh yes! check out <a href="http://reddit.com/r/python"><span>reddit</span></a></p>
<div class="wrap"><div id="test"><p id="hello" class="hello">Oh yes! check out <a href="http://reddit.com/r/python"><span>reddit</span></a></p><a href="http://cuiqingcai.com">Germy</a></div></div>
<div class="wrap"/>
这不需要多解释了吧。
DOM
操作也是与 jQuery
如出一辙。
遍历
遍历用到 items
方法返回对象列表,或者用 lambda
from pyquery import PyQuery as pq
doc = pq(filename=‘hello.html‘)
lis = doc(‘li‘)
for li in lis.items():
print li.html()
print lis.each(lambda e: e)
运行结果
first item
<a href="link2.html">second item</a>
<a href="link3.html"><span class="bold">third item</span></a>
<a href="link4.html">fourth item</a>
<a href="link5.html">fifth item</a>
<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>
不过最常用的还是 items 方法
网页请求
PyQuery 本身还有网页请求功能,而且会把请求下来的网页代码转为 PyQuery 对象。
from pyquery import PyQuery as pq
print pq(‘http://cuiqingcai.com/‘, headers={‘user-agent‘: ‘pyquery‘})
print pq(‘http://httpbin.org/post‘, {‘foo‘: ‘bar‘}, method=‘post‘, verify=True)
感受一下,GET
,POST
,样样通。