通过这篇文章为大家介绍崔庆才老师对Python爬虫PyQuery库的讲解，包括基本原理及其理论知识点

本文代码较多，建议阅读时间10分钟，并且注重理论与实践相结合

觉得文章比较枯燥和用电脑观看的可以点击阅读原文即可跳转到CSDN网页

目录：

一、什么是PyQuery库？

二、安装

三、PyQuery库用法详解

一、什么是PyQuery库？

强大而灵活的网页解析库。如果你觉得正则写起来太麻烦，如果你觉得BeautifulSoup语法太难记，如果你熟悉jQuery的语法，那么PyQuery就是你的绝佳选择！！！

二、安装

pip install pyquery

三、PyQuery用法讲解初始化(3种)

#字符串初始化

html = '''

'''

from pyquery import PyQuery as pq

doc = pq(html)

print(doc('li'))#选择器实际上就是CSS选择器，即：选id就加“#”，选class前面加“.”

#URL初始化

doc1 = pq(url = "http://www.baidu.com")

print(doc1("head"))

#文件初始化

doc2 = pq(filename = "demo.html")#自己下载一个HTML文件

print(doc2('li'))

基本CSS选择器

#CSS选择器

html = '''

'''

doc3 = pq(html)

print(doc3("#container .list li"))#注意空格，空格代表嵌套关系

查找元素

子元素

#子元素(find)

html = '''

'''

from pyquery import PyQuery as pq

doc = pq(html)

items = doc(".list")#首先选中url标签

print(type(items))

print(items)

lis = items.find('li')#实际上也是一个CSS选择器，将里面所有的li标签都打印出来；只要在它里面的标签都可以找到

print(type(lis))

print(lis)

#查找直接子元素

lis2 = items.children()

print(type(lis2))

print(lis2)

lis3 = items.children('.active')

print(lis3)

父元素

#父元素

html = '''

'''

from pyquery import PyQuery as pq

doc = pq(html)

items = doc(".list")#首先选中url标签

#每个标签外面肯定只能套一个父元素

container = items.parent()

print(type(container))

print(container)

#父元素2

html = '''

'''

from pyquery import PyQuery as pq

doc = pq(html)

items = doc(".list")#首先选中url标签

#将所有祖先节点返回

parents = items.parents()

print(parents)

print(type(parents))#打印出两个div

#在其中进行搜索

doc = pq(html)

items = doc(".list")

parents1 = items.parents(".wrap")

print(parents1)#通过筛选，只剩下一个div

兄弟元素

#兄弟元素

html = '''

'''

from pyquery import PyQuery as pq

doc = pq(html)

li = doc('.list .item-0.active')#首先选class=“.list”，空格即使选择list里面的标签，再选class=“item-0”，并列active(实际就是一个整体)

print(li.siblings())#获取所有的兄弟元素

#在向其中筛选

print(li.siblings('.active'))

遍历

#单个元素

html = '''

'''

from pyquery import PyQuery as pq

doc = pq(html)

li = doc(".item-0.active")

print(li)

lis = doc('li').items()#多个元素，进行遍历，生成一个产生器

print(type(lis))

for li in lis:

print(li)

获取信息

#获取属性

html = '''

'''

from pyquery import PyQuery as pq

doc = pq(html)

a = doc(".item-0.active a")#选择class同时为item-0和active，在选择class里面的啊标签，中间注意空格

print(a)

print(a.attr("href"))

print(a.attr.href)#结果同上

#获取文本

print(a.text())#将上面的选中的class中包围的文字

#获取HTML

a1 = doc(".item-0.active")

print(a1.html())

DOM操作

#addClass，removeClass

html = '''

'''

from pyquery import PyQuery as pq

doc = pq(html)

li = doc(".item-0.active")

print(li)

li.removeClass("active")#移除active

print(li)

li.addClass("active")#增加active

print(li)

#attr、css

doc = pq(html)

li = doc(".item-0.active")

li.attr("name","link")#若存在，就会覆盖

print(li)

li.css("font-size","14px")#增加style属性

print(li)

#remove

html1 = '''

'''

from pyquery import PyQuery as pq

doc = pq(html1)

wrap = doc(".wrap")

print(wrap.text())

wrap.find('p').remove()

print(wrap.text())

其他DOM方法：pyquery: a jquery-like library for python​pythonhosted.org

#伪类选择器

html = '''

'''

from pyquery import PyQuery as pq

doc = pq(html)

li = doc("li:first-child")#第一个

print(li)

li1 = doc('li:last-child')#最后一个

print(li1)

li2 = doc('li:nth-child(2)')#指定缩写顺序，第二个

print(li2)

li3 = doc("li:gt(2)")#大于2的

print(li3)

li4 = doc("li:nth-child(2n)")#偶数

print(li4)

li5 = doc("li:contains(second)")#内容包含second

print(li5)

更多CSS选择器可以查看：CSS 教程​www.w3school.com.cn