博客
关于我
强烈建议你试试无所不能的chatGPT,快点击我
采用python的pyquery引擎做网页爬虫,进行数据分析
阅读量:6425 次
发布时间:2019-06-23

本文共 1379 字,大约阅读时间需要 4 分钟。

python下的  pyquery  很给力的 !!!

pyquery 可以让你用jquery语法来对xml进行查询。这个API和jquery十分类似。如果利用lxml,pyquery对xml和html的操作将更加快速。

这个库并不是(至少还不是)一个可以和javascript互交的代码库。只是很喜欢jquery API并且在使用python的过程中,我真的很怀念jquery,所以我告诉我自己“让我们在python里面也使用jquery吧!”所以就有了这个库。

这个库可以有多种用途,比如我可以在将来用pyquery对纯http模板就行编辑,或者可以和Deliverance配套使用对样式进行操作.

这个项目现在基于mercurial开发,并用Bitbucket发布。我有权给任何想要审查代码的人权利。如果你想对代码进行贡献,给我电邮吧。

真心觉得比urllib2好用的多。

http://pypi.python.org/packages/source/p/pyquery/pyquery-0.3.tar.gz

解压缩

python setup.py install

就可以了,可能要安装ezsetup

现在的版本是0.3,还有一些jquery的东西没有实现,比如:radio,:password,以及一些ajax的功能,但是已经够用了,强烈推荐

>>> from pyquery import PyQuery as pq>>>d = pq("") #可以直接拼HTML可加载一段HTML字符串,或一个HTML文件,或是一个url地址>>>d = pq(url='http://ops.ruifengyun.com/') #也可以打开一个url>>> d('title') #取title元素[]html()和text() ——获取相应的HTML块或文本块>>> print d('title').text()ops 自动运维项目 监控,实时数据,集群管理根据HTML标签来获取元素>>> d('.s') #根据类名获取元素[
]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>>> a = d('#sshcreate li:e(2)').find('a') #复杂点的选择器也是可以的,看来支持的不错>>> a.attr('href') #属性操作'http://monitor.ruifengyun.com/'

#coding=utf-8import urllibfrom pyquery import PyQueryres = urllib.urlopen('http://movie.douban.com/subject/2129132/').read()d = PyQuery(res)print "主演:"for starring in d("a[rel='v:starring']"):    print PyQuery(starring).text()

转载地址:http://kruga.baihongyu.com/

你可能感兴趣的文章
祭奠我们渐渐远去的青春
查看>>
Linux---Samba安装
查看>>
GomTV版MV介绍
查看>>
Active Directory管理之十二:升级Active Directory(下)
查看>>
ie中placeholder属性不支持,js解决
查看>>
[原创]如何从数据库层面检测两表内容的一致性
查看>>
BIOS和CMOS的区别,供大家学习。
查看>>
F5 Networks:让BYOD高效安全地接入企业内网
查看>>
我有一个梦想
查看>>
android webview onJsAlert只调用一次的问题
查看>>
Linux开机启动模式的设置
查看>>
OSPF:DR、BDR选举算法
查看>>
Lync 2013部署图片赏析-Lync 2013 安装部署向导
查看>>
领域驱动设计之工厂模式实现场景
查看>>
centos7.2安装mysql5.7.13实现 ssl 安全连接的主从复制
查看>>
粗看了一下html5
查看>>
IO模型
查看>>
2018.3.7 11周2次课
查看>>
我的友情链接
查看>>
如果出现oracle监听停止的情况,如何处理
查看>>