引言
前面一篇我们介绍了 Beautiful Soup 中可以使用 CSS 选择器，但是好像他的 CSS 选择器并没有想像中的强大。
本篇就介绍一个对 CSS 选择器更加友好的类库 —— pyquery 。它在语法上更加贴和 JQuery ，估计会成为各位后端开发人员的福音。
首先，还是先敬上各种官方地址：
官方文档：https://pyquery.readthedocs.io/en/latest/
PyPI：https://pypi.org/project/pyquery/
Github：https://github.com/gawel/pyquery
有问题，找官方，这句话是肯定不会错滴~~
初始化
首先，各位同学需要确保已经安装过 pyquery ，没有安装过的朋友可以翻一翻前面的前置准备，小编已经介绍过安装方式。
先来看一个简单的初始化的示例（还是使用上一篇的 HTML ，懒人真的没救了）：
from pyquery import PyQuery
html = '''
<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">...</p>
'''
d = PyQuery(html)
print(d('p'))
结果如下：
<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">...</p>
以上是直接使用字符串进行的初始化，同时它还支持直接传入 URL 地址进行初始化：
d_url = PyQuery(url='https://www.geekdigging.com/', encoding='UTF-8')
print(d_url('title'))
结果如下：
<title>极客挖掘机</title>
这样写的话，其实 PyQuery 会先请求这个 URL ，然后用响应得到的 HTML 内容完成初始化，与下面这样写其实也是一样的：
r = requests.get('https://www.geekdigging.com/')
r.encoding = 'UTF-8'
d_requests = PyQuery(r.text)
print(d_requests('title'))
CSS 选择器
我们先来简单感受下 CSS 选择器的用法，真的是非常的简单方便：
d_css = PyQuery(html)
print(d_css('.story .sister'))
print(type(d_css('.story .sister')))
结果如下：
<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.
<class 'pyquery.pyquery.PyQuery'>
这里的写法含义是我们先寻找 class 为 story 的节点，寻找到以后接着在它的子节点中继续寻找 class 为 sister 的节点。
最后的打印结果中可以看到，它的类型依然为 pyquery.pyquery.PyQuery ，说明我们可以继续使用这个结果解析。
查找节点
我们接着介绍一下常用的查找函数，这些查找函数最赞的地方就是它们和 JQuery 的用法完全一致。
- find() ： 查找节点的所有子孙节点。
- children() ： 只查找子节点。
- parent() ： 查找父节点。
- parents() ： 查找祖先节点。
- siblings() ： 查找兄弟节点。
下面来一些简单的示例：
# 查找子节点
items = d('body')
print('子节点：', items.find('p'))
print(type(items.find('p')))
# 查找父节点
items = d('#link1')
print('父节点：', items.parent())
print(type(items.parent()))
# 查找兄弟节点
items = d('#link1')
print('兄弟节点：', items.siblings())
print(type(items.siblings()))
结果如下：
子节点： <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">...</p>
<class 'pyquery.pyquery.PyQuery'>
父节点： <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>
<class 'pyquery.pyquery.PyQuery'>
兄弟节点： <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.
<class 'pyquery.pyquery.PyQuery'>
遍历
通过上面的示例，可以看到，如果 pyquery 取出来的有多个节点，虽然类型也是 PyQuery ，但是和 Beautiful Soup 不一样的是返回的并不是列表，如果我们需要继续获取其中的节点，就需要遍历这个结果，可以使用 items() 这个获取结果进行遍历：
a = d('a')
for item in a.items():
print(item)
结果如下：
<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.
这里我们调用 items() 后，会返回一个生成器，遍历一下，就可以逐个得到 a 节点对象了，它的类型也是 PyQuery 类型。每个 a 节点还可以调用前面所说的方法进行选择，比如继续查询子节点，寻找某个祖先节点等，非常灵活。
提取信息
前面我们获取到节点以后，接着就是要获取我们所需要的信息了。
获取信息主要分为两个部分，一个是获取节点的文本信息，一个获取节点的属性信息。
获取文本信息
a_1 = d('#link1')
print(a_1.text())
结果如下：
Elsie
如果想获取这个节点内的 HTML 信息，可以使用 html() 方法：
a_2 = d('.story')
print(a_2.html())
结果如下：
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.
获取属性信息
当我们获取到节点以后，可以使用 attr() 来获取相关的属性信息：
attr_1 = d('#link1')
print(attr_1.attr('href'))
结果如下：
http://example.com/elsie
除了我们可以使用 attr() 这个方法以外， pyquery 还为我们提供了 attr 属性，比如上面的示例还可以写成这样：
print(attr_1.attr.href)
结果和上面的示例是一样的。
小结
我们在前置准备中安装的几种解析器到此就介绍完了，综合比较一下，Beautiful Soup 对新手比较友好，无需了解更多的其他知识就可以上手使用，但是对于复杂 DOM 的解析，依然需要一定的 CSS 选择器的基础，如果对 Xpath 比较熟练的话直接使用 lxml 倒是最为方便的，如果和小编一样，对 JQuery 和 CSS 选择器都比较熟悉，那么 pyquery 倒是一个很不错的选择。
来源：CSDN
作者：gr32442187do
链接：https://blog.csdn.net/gr32442187do/article/details/103628275