一. 引入
最經在學習前端開發，學完jquery之後，突然想起來之前學過一個html文檔解析庫，類似於 jquery。是的沒有錯，它就是Pyquery。官方文檔解釋---->pyquery: a jquery-like library for python，一個類似於jquery的python庫，如果你學過前端，都會接觸到 jquery。這樣一來，上手這個解析庫就非常容易了。
二. 安裝
pip install pyquery
三. 快速開始
首先，定義一個 html 字符串用做測試（接下來都用該字符串進行測試）：
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">It's a good story</p>
<p>
<!--Hey, buddy. Want to buy a used parser?-->
</p>
"""
這裏首先引入 PyQuery這個對象，並取別名爲pq。然後定義一個html字符串，並將其作爲參數傳遞給 PyQuery這個類，這樣就成功完成了初始化。接下來，將初始化的對象傳入CSS選擇器。這這個實例中，我們傳入了 p 節點，這樣就可以獲得所有的 p 節點。返回的對象的類型爲：<class ‘pyquery.pyquery.PyQuery’>，我們可以接着對該對象進行相同的操作。
四. 查找節點
-
通過 CSS選擇器來查找節點：
![]()
這裏我們初始化 PyQuery對象之後，傳入了一個 CSS選擇器 .story #link1，它的意思是：選取 class爲 p 的節點，然後在p節點下找 id爲 link1的子孫節點，並打印輸出，可以看到，我們成功的獲得到想要的節點。並且，最後得到的對象類型依然是 PyQuery類型。 -
使用 find()方法，查找子節點。此時傳入的參數也是CSS選擇器。
可以看出，doc(css選擇器) 方法 與 doc.find(css選擇器)方法之間並沒有區別。其實這兩種方法，查找的範圍是節點的所有子孫節點，而如果我們只需要查找 子節點，使用 .children() 方法（具體例子，這裏不詳細寫）
- 父節點與兄弟節點的獲取：
父節點：（注意 將 parent 改成 parents() 可以獲得祖宗節點）
兄弟節點：（注意，並不向 parent()方法一樣，這裏只能獲得到所有的兄弟節點，並不能只獲得到 相鄰的某一個兄弟節點）
五. 遍歷節點
-
我們發現，pyquery的選擇結果可能是有多個節點，也有可能是單個節點，類型都是pyquery類型。並沒有像 BeautifulSoup 那樣的列表（關於 beautiful soup 可以參考我另一篇博客）
對於單個節點來說，可以直接打印輸出，也可以直接轉化爲字符串。
但是對於多個節點來說，我們就需要遍歷來獲取了。例如，這裏把每一個 p 節點進行遍歷，調用的是 items() 方法：
可以發現，調用 Items()方法後，會拿到一個生成器。遍歷一下，就可以逐個獲得到 p 節點對象了，它的類型也是 PyQuery類型。每一個 p 節點還可以調用 上面所寫的方法 再次進行選擇，非常的靈活！
六. 獲取信息
提取到節點之後，我們的最終目的當然是提取節點所包含的信息了。比較重要的信息有兩種，一是 獲取屬性，二十獲取文本，下面分別進行說明：
-
獲取屬性
提取到某個 PyQuery類型的節點後，可以調用 attr()方法來獲取屬性：
![]()
這裏首先選中 html中所有的 a 節點，返回的類型是 PyQuery，由於不是返回一個 節點，所以，對返回的內容，遍歷，獲得每一個a節點；使用 attr()方法。這個方法中傳入屬性名稱，就可以得到這個屬性值了。
當然，還可以使用 i.attr.href 這樣寫，也是 Ok 的
PS: 如果獲得到多個節點，不加以遍歷，直接使用 attr，只能獲得到 第一個節點的屬性。
-
獲得文本
獲取節點之後的另一主要操作就是獲取其內部文本了，這時可以調用 text()方法實現：
![]()
這裏首先獲得到一個 class = 'title’的 p 節點，然後調用 text() 方法，就可以獲得其內部的文本信息。此時它會忽略掉節點內部包含的所有 HTML節點，只返回純文字內容。這裏同樣有一個問題，如果我們選中的結果是多個節點， text() 方法會返回什麼內容呢？我們用 實例來 看一下:
![]()
由此可見，text()返回了所有 a 節點內部的純文本，中間用空格分割開來，即返回的結果是一個字符串。PS：這裏需要注意一下，如果結果是多個節點，並且想要每個節點的內部文本，使用 text()方法不需要遍歷就可以獲取，它將所有節點 獲取文本後，合併成一個字符串。
-
最後，關於更多 PyQuery的用法，請參看官方文檔：官方文檔
end…