pyquery库的使用
#coding=utf-8 #防止报错：UnicodeEncodeError: 'gbk' codec can't encode character
from pyquery import PyQuery as pq
from lxml import etree
可加载一段HTML字符串，或一个HTML文件，或是一个url地址，或lxml.etree：
htmlblock = "<html><title>hello</title></html>"
filename = "path_to_html_file"
url = "http://www.baidu.com"
d = pq(htmlblock)
d = pq(filename)
d = pq(url)
d = pq(etree.fromstring("<html></html>"))
直接输出截取串的html对象，看着更加直观
v_source = pq(url='http://yunvs.com/list/mai_1.html')
for data in v_source('tr'):
print(pq(data).html())
print(pq(data).text()) #以text文本的方式输出，这样就去掉了html标记
pq(d)('a[class= ""]').attr('')
Aurl= pq(data)('a[class= "j_th_tit " ]').attr('href')
伪类选择器
选择器 |
例子 |
例子描述 |
.class |
.intro |
选择 class="intro" 的所有元素。 |
#id |
#firstname |
选择 id="firstname" 的所有元素。 |
* |
* |
选择所有元素。 |
element |
p |
选择所有 <p> 元素。 |
element,element |
div,p |
选择所有 <div> 元素和所有 <p> 元素。 |
element element |
div p |
选择 <div> 元素内部的所有 <p> 元素。 |
element>element |
div>p |
选择父元素为 <div> 元素的所有 <p> 元素。 |
element+element |
div+p |
选择紧接在 <div> 元素之后的所有 <p> 元素。 |
[attribute] |
[target] |
选择带有 target 属性所有元素。 |
[attribute=value] |
[target=_blank] |
选择 target="_blank" 的所有元素。 |
[attribute~=value] |
[title~=flower] |
选择 title 属性包含单词 "flower" 的所有元素。 |
:link |
a:link |
选择所有未被访问的链接。 |
:visited |
a:visited |
选择所有已被访问的链接。 |
:active |
a:active |
选择活动链接。 |
:hover |
a:hover |
选择鼠标指针位于其上的链接。 |
:focus |
input:focus |
选择获得焦点的 input 元素。 |
:first-letter |
p:first-letter |
选择每个 <p> 元素的首字母。 |
:first-line |
p:first-line |
选择每个 <p> 元素的首行。 |
:first-child |
p:first-child |
选择属于父元素的第一个子元素的每个 <p> 元素。 |
:before |
p:before |
在每个 <p> 元素的内容之前插入内容。 |
:after |
p:after |
在每个 <p> 元素的内容之后插入内容。 |
:lang(language) |
p:lang(it) |
选择带有以 "it" 开头的 lang 属性值的每个 <p> 元素。 |
element1~element2 |
p~ul |
选择前面有 <p> 元素的每个 <ul> 元素。 |
[attribute^=value] |
a[src^="https"] |
选择其 src 属性值以 "https" 开头的每个 <a> 元素。 |
[attribute=value*] |
a[src*="abc"] |
选择其 src 属性中包含 "abc" 子串的每个 <a> 元素。 |
:first-of-type |
p:first-of-type |
选择属于其父元素的首个 <p> 元素的每个 <p> 元素。 |
:last-of-type |
p:last-of-type |
选择属于其父元素的最后 <p> 元素的每个 <p> 元素。 |
:only-of-type |
p:only-of-type |
选择属于其父元素唯一的 <p> 元素的每个 <p> 元素。 |
:only-child |
p:only-child |
选择属于其父元素的唯一子元素的每个 <p> 元素。 |
:nth-child(n) |
p:nth-child(2) |
选择属于其父元素的第二个子元素的每个 <p> 元素。 |
:nth-last-child(n) |
p:nth-last-child(2) |
同上，从最后一个子元素开始计数。 |
:nth-of-type(n) |
p:nth-of-type(2) |
选择属于其父元素第二个 <p> 元素的每个 <p> 元素。 |
:nth-last-of-type(n) |
p:nth-last-of-type(2) |
同上，但是从最后一个子元素开始计数。 |
:last-child |
p:last-child |
选择属于其父元素最后一个子元素每个 <p> 元素。 |
:root |
:root |
选择文档的根元素。 |
:empty |
p:empty |
选择没有子元素的每个 <p> 元素（包括文本节点）。 |
:target |
#news:target |
选择当前活动的 #news 元素。 |
:enabled |
input:enabled |
选择每个启用的 <input> 元素。 |
:disabled |
input:disabled |
选择每个禁用的 <input> 元素 |
:checked |
input:checked |
选择每个被选中的 <input> 元素。 |
:not(selector) |
:not(p) |
选择非 <p> 元素的每个元素。 |
::selection |
::selection |
选择被用户选取的元素部分。 |
常用方法：
与requests库结合使用：
import requests
from pyquery import PyQuery as pq
r = requests.get('http://www.meipai.com/media/596371059')
d = pq(r.content)
print(d('meta[property="og:video:url"]').attr('content'))
浙公网安备 33010602011771号