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:6239 次
发布时间:2019-06-22

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://mpbia.baihongyu.com/

你可能感兴趣的文章
读写锁
查看>>
Java对象的序列化和反序列化实践
查看>>
利用webmin修改超级管理员root用户登陆密码
查看>>
ENode 2.0 - 整体架构介绍
查看>>
solr长文本搜索问题
查看>>
Redis客户端Jedis(一)
查看>>
iOS学习之应用偏好设置
查看>>
手把手玩转win8开发系列课程(26)
查看>>
森林、树与二叉树相互转换
查看>>
Spark随谈(一)—— 总体架构
查看>>
算法系列15天速成——第十四天 图【上】
查看>>
django 快速实现登录
查看>>
导入数据时遇见ORA-00054
查看>>
模拟终端打印效果特效
查看>>
forfiles命令批量删除N天前文件
查看>>
顺序队列
查看>>
(NO.00005)iOS实现炸弹人游戏(三):从主场景类谈起
查看>>
git/github初级运用自如
查看>>
《Netty 权威指南》—— NIO类库简介
查看>>
Codeforces 452 A. Eevee
查看>>