PyQuery 一款类似于 jQuery 操作 XML 的 Python 库
PyQuery 允许你像 JQuery 一样对快速对 xml（lxml） 文档进行元素查询、元素操作的 python 库。如果你熟悉 JQuery 的 api，那么掌握 PyQuery 是一件十分容易的事情，因为 PyQuery 的 api 和 JQuery 的 api 基本上一致。PyQuery 是一款基于 lxml 的库，而 lxml 能够快速处理 xml 和 html 文档。
起初仅仅是因为我有个想法：想在 python 里面使用 jQuery 类似 api 来操作 xml 文档，所以 PyQuery 就诞生了。你要明白一点的是，PyQuery 库并不是用 JavaScript 来写的，正如上面所提到，这是一个 python 语言库，它基于 lxml 快速处理库。
PyQuery 可以用来做很多 xml 相关的事情，下面是我能想到的一些用途：
- 使用 PyQuery 对纯 HTTP 模板（html）进行修改。
- 移除废弃或者不需要的 web 元素。
- 提取程序的主题元素。
PyQuery 被放置在了 github 上，该项目被我设置了一些提交策略和代码审查策略，也就是被允许的人才能够提交和审查代码，如果你想提交你的修改，那么请给我邮件。
另外，请把 bug 提交到 github 上的 issue 面板上。
二、快速入门
1. 使用 PyQuery 之前应该使用 pip 或者别的工具进行安装：
pip install pyquery
一般会自动帮你把依赖库安装上，如 lxml 库。
2. 使用 PyQuery 快速加载 xml 文档，加载源可以是以下几个情形：
- 字符串
- xml 文档
- 文件路径
- url 链接
代码示例（python 终端）：
>>> from pyquery import PyQuery as pq
>>> from lxml import etree #引入依赖库
>>> import urllib #引入依赖库
>>> d = pq("<html></html>")
>>> d = pq(etree.fromstring("<html></html>")) #字符串
>>> d = pq(url='http://google.com/') #url路径
>>> # d = pq(url='http://google.com/', opener=lambda url, **kw: urllib.urlopen(url).read()) #读流
>>> d = pq(filename=path_to_html_file) #文件夹
加载以后得到变量 d, 该变量如 jquery 里面的 $ 操作符一样，可以对元素进行操作：
>>> d("#hello") #ID选择器，选择id=hello的元素
[<p#hello.hello>] #打印ID为hello的元素（PyQuery对象）
>>> p = d("#hello")
>>> print(p.html()) #打印p元素
Hello world !
>>> p.html("you know <a href='http://python.org/'>Python</a> rocks") #赋值html内容，相当于innerHtml=xx
[<p#hello.hello>]
>>> print(p.html())
you know <a href="http://python.org/">Python</a> rocks
>>> print(p.text()) #提取p标签内的text，不含html标签。
you know Python rocks
除此以外，你还可以使用非 css 标准的 :first :last :even :odd :eq :lt :gt :checked :selected :file 伪符号来对元素进行定位，如：
>>> d('p:first')
[<p#hello.hello>]
更多快速入门请阅读：PyQuery 快速入门 - 十分钟搞定 PyQuery
三、选择器语法
和 JQuery 一样，PyQuery 同样提供了丰富的选择器语法，满足你提取一个或者多个元素。
建立 html 文档并且命名为:demo.html
<div>
<tr class="item-0">
<td>first section</td>
<td>第一项</td>
<td>备注</td>
</tr>
<tr class="item-1">
<td>second section</td>
<td>第二项</td>
<td>备注</td>
</tr>
</div>
PyQuery 各种选择器语法示例：
# -*- coding: utf-8 -*-
from pyquery import PyQuery as pq#引入 PyQuery
doc = pq(filename='demo.html')# 传入文件 demo.html
print doc.html() # html()方法获取当前选中的 html 块
print doc('.item-1') # 相当于 class 选择器，选取 class 为 item-1 的 html 块
data = doc('tr') # 选取 <tr> 元素
for tr in data.items():# 遍历 data 中的 <tr> 元素
temp = tr('td').eq(2).text() # 选取第3个 <td> 元素中的文本块
print temp
四、操作 html 的属性
操作属性是 PyQuery 比较有魅力的功能，用于清洗网页数据。
使用类似于 JQuery api 对 html 属性进行操作，实例：
>>> p = pq('<p id="hello" class="hello"></p>')('p')
>>> p.attr("id") #打印p的ID值
'hello'
>>> p.attr("id", "plop") #给p元素的ID重新赋值，赋值后结果为plop
[<p#plop.hello>]
>>> p.attr("id", "hello")
[<p#hello.hello>]
使用更 Python 的语法进行操作，实例：
>>> p.attr.id = "plop"
>>> p.attr.id
'plop'
>>> p.attr["id"] = "ola"
>>> p.attr["id"]
'ola'
>>> p.attr(id='hello', class_='hello2')
[<p#hello.hello2>]
>>> p.attr.class_
'hello2'
>>> p.attr.class_ = 'hello'
五、操作 CSS
你可以对 html 元素的 css 进行操作：
>>> p.addClass("toto") # 添加css
[<p#hello.hello.toto>]
>>> p.toggleClass("titi toto")
[<p#hello.hello.titi>]
>>> p.removeClass("titi") # 移除css
[<p#hello.hello>]
添加内联 style 的 css 样式：
>>> p.css("font-size", "15px")
[<p#hello.hello>]
>>> p.attr("style")
'font-size: 15px'
>>> p.css({"font-size": "17px"})
[<p#hello.hello>]
>>> p.attr("style")
'font-size: 17px'
使用 Python 语法进行编写 (只需要将 - 变成下划线_, 如 font-size 对应名字为 font_size)：
>>> p.css.font_size = "16px" #font_size 对应css的font-size
>>> p.attr.style
'font-size: 16px'
>>> p.css['font-size'] = "15px"
>>> p.attr.style
'font-size: 15px'
>>> p.css(font_size="16px")
[<p#hello.hello>]
>>> p.attr.style
'font-size: 16px'
>>> p.css = {"font-size": "17px"}
>>> p.attr.style
'font-size: 17px'
六、Manipulating（操作）API
append 函数：在元素末尾（元素内部的内容末尾）追加内容，添加的内容仍然在该元素内
>>> d = pq('<p class="hello" id="hello">you know Python rocks</p>')
>>> d('p').append(' check out <a href="http://reddit.com/r/python"><span>reddit</span></a>') #使用append api追加
[<p#hello.hello>]
>>> print d
<p class="hello" id="hello">you know Python rocks check out <a href="http://reddit.com/r/python"><span>reddit</span></a></p>
prepend 函数：在元素前面添加内容，添加的内容仍然在该元素内
>>> p = d('p')
>>> p.prepend('check out <a href="http://reddit.com/r/python">reddit</a>') #添加的内容
[<p#hello.hello>]
>>> print p #查看p标签全部内容
<p class="hello" id="hello">check out <a href="http://reddit.com/r/python">reddit</a>you know Python rocks</p>
>>> p.html()
u'check out <a href="http://reddit.com/r/python">reddit</a>you know Python rocks'
prependTo 函数：在前面或者末尾添加内容
>>> d = pq('<html><body><div id="test"><a href="http://python.org">python</a> !</div></body></html>')
>>> p.prependTo(d('#test'))
[<p#hello.hello>]
>>> d('#test').html()
u'<p class="hello" id="hello">check out <a href="http://reddit.com/r/python">reddit</a>you know Python rocks</p><a href="http://python.org">python</a> !'
这一段逻辑没有那么直观，解释下：
- 初始化一个 d 变量，内容为：
<html><body><div
id="test"><a href="http://python.org">python</a>
!</div></body></html> - 把 p 元素
添加到(prependTo) d ('#test') 的前面，d ('#test') 的内容为：<div id="test"><a href="http://python.org">python</a> !</div>，那么就相当于在 a 标签前面加东西。 - 最后打印 d ('#test') 中的 html 内容：可以看到 a 标签之前多了 p 的内容。
同样的 append 对 p 进行操作：p.append (d ('#test'))，那么得到的结果：
>>> print p
<p class="hello" id="hello">check out <a href="http://reddit.com/r/python">reddit</a>you know Python rocks<div id="test"><a href="http://python.org">python</a> !</div></p>
相反的 API 还有 insertBefore 和 insertAfter。
remove 函数：移除符合条件的元素
>>> d = pq('<html><body><p id="id">Yeah!</p><p>python rocks !</p></div></html>')
>>> d.remove('p#id') # 移除id=id的p，整个元素都移除，移除后后打印html
[<html>]
>>> d('p#id') # 打印
[]
empty 函数：置空元素内的 html
>>> d('p').empty() # 置空操作，置空后没有html内容
[<p>]
七、条件过滤
一些 JQuery 过滤方法同样适用于 PyQuery，下面是几个 API 例子：
filter 函数：过滤符合条件（class 或者 id 等）的元素
>>> d = pq('<p id="hello" class="hello"><a/></p><p id="test"><a/></p>')
>>> d('p').filter('.hello') # 提取class=hello的p标签元素
[<p#hello.hello>]
eq 函数：筛选序号等于 x 的元素
>>> d('p').eq(0)
[<p#hello.hello>]
find 函数：筛选 x 标签的元素，返回 list 列表
>>> d('p').find('a') # 筛选a标签的元素，返回所有的a元素
[<a>, <a>]
>>> d('p').eq(1).find('a') # 筛选第二个p元素中的所有a元素
[<a>]
end 函数同样适用于链式筛选
>>> d('p').find('a').end()
[<p#hello.hello>, <p#test>]
>>> d('p').eq(0).end()
[<p#hello.hello>, <p#test>]
>>> d('p').filter(lambda i: i == 1).end()
[<p#hello.hello>, <p#test>]
八、其它常用 API
.hasClass(name) 判断是否包含指定的 class，返回 True 或 False；
.add() 将元素添加到匹配元素的集合中。
.andSelf() 把堆栈中之前的元素集添加到当前集合中。
.children() 获得匹配元素集合中每个元素的所有子元素。
.closest() 从元素本身开始，逐级向上级元素匹配，并返回最先匹配的祖先元素。
.contents() 获得匹配元素集合中每个元素的子元素，包括文本和注释节点。 .each() 对 jQuery 对象进行迭代，为每个匹配元素执行函数。 .end() 结束当前链中最近的一次筛选操作，并将匹配元素集合返回到前一次的状态。
.eq() 将匹配元素集合缩减为位于指定索引的新元素。 .filter() 将匹配元素集合缩减为匹配选择器或匹配函数返回值的新元素。
.find() 获得当前匹配元素集合中每个元素的后代，由选择器进行筛选。
.first() 将匹配元素集合缩减为集合中的第一个元素。
.has() 将匹配元素集合缩减为包含特定元素的后代的集合。
.is() 根据选择器检查当前匹配元素集合，如果存在至少一个匹配元素，则返回 true。
.last() 将匹配元素集合缩减为集合中的最后一个元素。
.map() 把当前匹配集合中的每个元素传递给函数，产生包含返回值的新 jQuery 对象。
.next() 获得匹配元素集合中每个元素紧邻的同辈元素。
.nextAll() 获得匹配元素集合中每个元素之后的所有同辈元素，由选择器进行筛选（可选）。
.nextUntil() 获得每个元素之后所有的同辈元素，直到遇到匹配选择器的元素为止。
.not() 从匹配元素集合中删除元素。
.offsetParent() 获得用于定位的第一个父元素。
.parent() 获得当前匹配元素集合中每个元素的父元素，由选择器筛选（可选）。 .parents() 获得当前匹配元素集合中每个元素的祖先元素，由选择器筛选（可选）。
.parentsUntil() 获得当前匹配元素集合中每个元素的祖先元素，直到遇到匹配选择器的元素为止。
.prev() 获得匹配元素集合中每个元素紧邻的前一个同辈元素，由选择器筛选（可选）。
.prevAll() 获得匹配元素集合中每个元素之前的所有同辈元素，由选择器进行筛选（可选）。
.prevUntil() 获得每个元素之前所有的同辈元素，直到遇到匹配选择器的元素为止。
.siblings() 获得匹配元素集合中所有元素的同辈元素，由选择器筛选（可选）。
.slice() 将匹配元素集合缩减为指定范围的子集。
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论