免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
最近访问板块 发新帖
查看: 3983 | 回复: 5

PyQuery: 一个类似jQuery的Python库 [复制链接]

论坛徽章:
0
发表于 2010-03-06 14:57 |显示全部楼层
PyQuery是一个类似于jQuery的Python库,也可以说是jQuery在Python上的实现。pyQuery是使用lxml来实现快速的xml和html操作的。具体的PyQuery文档见:http://pyquery.org/

用这个来做蜘蛛爬数据的时候分析html并从中提取数据还是很爽的。

废话不多说,直接看一点简单的例子吧:
  1. >>> from pyquery import PyQuery as pq
  2. >>> d = pq("<html></html>") #可以直接拼HTML
  3. >>> d = pq(url='http://www.powereasy.net/') #也可以打开一个url
  4. >>> d('title') #取title元素
  5. [<title>]
  6. >>> print d('title').text()
  7. 动易网络 - 领先的内容管理系统(CMS)、企业级电子商务平台(B2C)和站群管理系统(SiteGroup)提供商

  8. >>> print d("#logo").html() #根据ID获取元素
  9. <a href="http://www.powereasy.net" title="动易网络">官方主站</a>

  10. >>> d('.s') #根据类名获取元素
  11. [<li.s>, <li.s>, <li.s>, <li.s>, <li.s>, <li.s>, <li.s>, <li.s>]

  12. >>> a = d('#topNavIn li:eq(5)').find('a') #复杂点的选择器也是可以的,看来支持的不错
  13. >>> a.attr('href') #属性操作
  14. 'http://sms.powereasy.net/'
  15. >>> a.attr('href', 'http://qleelulu.cnblogs.com').attr('href') #修改属性值
  16. 'http://qleelulu.cnblogs.com'

  17. >>> d('#LoginFrom').hasClass('Login_ajax') #css类操作
  18. True
  19. >>> d('#LoginFrom').addClass('lulu').attr('class') #css类操作
  20. 'lulu Login_ajax'
  21. >>>
复制代码
转载:http://www.cnblogs.com/QLeelulu/archive/2010/03/05/pyQuery.html

论坛徽章:
0
发表于 2010-03-06 18:19 |显示全部楼层
与beautifulsoup 比较
优缺点?

论坛徽章:
0
发表于 2010-03-06 18:28 |显示全部楼层
使用了lxml。那应该速度可以的

论坛徽章:
0
发表于 2010-03-06 22:26 |显示全部楼层
不错,收藏。

论坛徽章:
4
CU大牛徽章
日期:2013-03-13 15:29:07CU大牛徽章
日期:2013-03-13 15:29:49CU大牛徽章
日期:2013-03-13 15:30:192015年迎新春徽章
日期:2015-03-04 09:57:09
发表于 2010-03-07 10:48 |显示全部楼层
不错,。。。呵呵。

论坛徽章:
0
发表于 2010-03-07 10:55 |显示全部楼层
lxml远比BeautifulSoup好。原本我是用BeautilfulSoup作HTML处理的,现在已经改到lxml了。

XPath和ElementTree Style的处理确实非常方便。
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

  

北京盛拓优讯信息技术有限公司. 版权所有 京ICP备16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122 niuxiaotong@pcpop.com 17352615567
未成年举报专区
中国互联网协会会员  联系我们:huangweiwei@itpub.net
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP