初始化

像Beautiful Soup一樣，初始化pyquery的時候，也需要傳入HTML文字來初始化一個PyQuery物件。它的初始化方式有多種，比如直接傳入字串，傳入URL，傳入檔名，等等。下面我們來詳細介紹一下。

• 字串的初始化

html = '''
<div>
    <ul>
         <li class="item-0">first item</li>
         <li class="item-1"><a href="link2.html">second item</a></li>
         <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
         <li class="item-1 active"><a href="link4.html">fourth item</a></li>
         <li class="item-0"><a href="link5.html">fifth item</a></li>
     </ul>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
print(doc('li'))
 

和beautifulsoup一樣，可以傳入一段html程式碼，宣告pq的物件之，將初始化的物件傳入CSS選擇器。在這個例項中，我們傳入li節點，這樣就可以選擇所有的li節點。
執行結果為：

<li class="item-0">first item</li>
<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-1 active"><a href="link4.html">fourth item</a></li>
<li class="item-0"><a href="link5.html">fifth item</a></li>
 

提取出了所有的li標籤的值。

• URL初始化
  初始化的引數不僅可以以字串的形式傳遞，還可以傳入網頁的URL，此時只需要指定引數為url即可：

from pyquery import PyQuery as pq
doc = pq(url='https://blog.csdn.net')
print(doc('title'))

這樣的話，PyQuery物件會首先請求這個URL，然後用得到的HTML內容完成初始化，這其實就相當於用網頁的原始碼以字串的形式傳遞給PyQuery類來初始化。
它與以下的功能是相同的：

from pyquery import PyQuery as pq
import requests
doc = pq(requests.get('https://blog.csdn.net').text)
print(doc('title'))
 

• 檔案初始化
  除了傳遞url外，也可以傳入本地的檔案進行初始化

from pyquery import PyQuery as pq
doc = pq(filename='demo.html')
print(doc('li'))

本地HTML檔案demo.html，其內容是待解析的HTML字串。這樣它會首先讀取本地的檔案內容，然後用檔案內容以字串的形式傳遞給PyQuery類來初始化。

以上3種初始化方式均可，當然最常用的初始化方式還是以字串形式傳遞。

基本CSS選擇器

• 具體用法

html = '''
<div id="container">
    <ul class="list">
         <li class="item-0">first item</li>
         <li class="item-1"><a href="link2.html">second item</a></li>
         <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
         <li class="item-1 active"><a href="link4.html">fourth item</a></li>
         <li class="item-0"><a href="link5.html">fifth item</a></li>
     </ul>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
print(doc('#container .list li'))
print(type(doc('#container .list li')))

這裡我們初始化PyQuery物件之後，傳入了一個CSS選擇器#container .list li，它的意思是先選取id為container的節點，然後再選取其內部的class為list的節點內部的所有li節點。然後，列印輸出。可以看到，我們成功獲取到了符合條件的節點。

最後，將它的型別列印輸出。可以看到，它的型別依然是PyQuery型別。

• 查詢節點
• 子節點

查詢子節點時，需要用到find()方法，此時傳入的引數是CSS選擇器。這裡還是以前面的HTML為例：

from pyquery import PyQuery as pq
doc = pq(html)
items = doc('.list')
print(type(items))
print(items)
lis = items.find('li')
print(type(lis))
print(lis)

首先，我們選取class為list的節點，然後呼叫了find()方法，傳入CSS選擇器，選取其內部的li節點，最後列印輸出。可以發現，find()方法會將符合條件的所有節點選擇出來，結果的型別是PyQuery型別。

其實find()的查詢範圍是節點的所有子孫節點，而如果我們只想查詢子節點，那麼可以用children()方法：

lis = items.children()
print(type(lis))
print(lis)

如果要篩選所有子節點中符合條件的節點，比如想篩選出子節點中class為active的節點，可以向children()方法傳入CSS選擇器.active：

lis = items.children('.active')
print(lis)

結果將會作出篩選，留下了class為active的節點。

-父節點
我們可以用parent()方法來獲取某個節點的父節點，示例如下：

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
items = doc('.list')
container = items.parent()
print(type(container))
print(container)

這裡我們首先用.list選取class為list的節點，然後呼叫parent()方法得到其父節點，其型別依然是PyQuery型別。

這裡的父節點是該節點的直接父節點，也就是說，它不會再去查詢父節點的父節點，即祖先節點。

如果想獲取某個祖先節點，需要使用parents()方法：

from pyquery import PyQuery as pq
doc = pq(html)
items = doc('.list')
parents = items.parents()
print(type(parents))
print(parents)

輸出結果有兩個：一個是class為wrap的節點，一個是id為container的節點。也就是說，parents()方法會返回所有的祖先節點。

如果想要篩選某個祖先節點的話，可以向parents()方法傳入CSS選擇器，這樣就會返回祖先節點中符合CSS選擇器的節點：

parent = items.parents('.wrap')
print(parent)

• 兄弟節點
  如果要獲取兄弟節點，可以使用siblings()方法。這裡還是以上面的HTML程式碼為例：

from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.list .item-0.active')
print(li.siblings())

這裡首先選擇class為list的節點內部class為item-0和active的節點，也就是第三個li節點。那麼，很明顯，它的兄弟節點有4個，那就是第一、二、四、五個li節點。這裡將會輸出這幾個兄弟節點。

如果要篩選某個兄弟節點，我們依然可以向siblings方法傳入CSS選擇器，這樣就會從所有兄弟節點中挑選出符合條件的節點了：

from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.list .item-0.active')
print(li.siblings('.active'))

這裡我們篩選了class為active的節點，通過剛才的結果可以觀察到，class為active的兄弟節點只有第四個li節點，所以結果應該是一個。

遍歷

剛才可以觀察到，pyquery的選擇結果可能是多個節點，也可能是單個節點，型別都是PyQuery型別，並沒有返回像Beautiful Soup那樣的列表。

對於單個節點來說，可以直接列印輸出，也可以直接轉成字串：

from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.item-0.active')
print(li)
print(str(li))

這兩種處理方式的輸出結果是一樣的。

對於多個節點的結果，我們就需要遍歷來獲取了。例如，這裡把每一個li節點進行遍歷，需要呼叫items()方法：

from pyquery import PyQuery as pq
doc = pq(html)
lis = doc('li').items()
print(type(lis))
for li in lis:
    print(li, type(li))

呼叫items()方法後，會得到一個生成器，遍歷一下，就可以逐個得到li節點物件了，它的型別也是PyQuery型別。每個li節點還可以呼叫前面所說的方法進行選擇，比如繼續查詢子節點，尋找某個祖先節點等，非常靈活。

獲取資訊

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資訊了。比較重要的資訊有兩類，一是獲取屬性，二是獲取文字，下面分別進行說明。

• 獲取屬性
  提取到某個PyQuery型別的節點後，就可以呼叫attr()方法來獲取屬性：

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
a = doc('.item-0.active a')
print(a, type(a))
print(a.attr('href'))

這裡首先選中class為item-0和active的li節點內的a節點，它的型別是PyQuery型別。

然後呼叫attr()方法。在這個方法中傳入屬性的名稱，就可以得到這個屬性值了。

此外，也可以通過呼叫attr屬性來獲取屬性，用法如下：

print(a.attr.href)

兩種方法的結果相同。

如果選中的是多個元素，然後呼叫attr()方法，只會輸出一個節點的結果。

a = doc('a')
print(a, type(a))
print(a.attr('href'))
print(a.attr.href)

這是因為，當返回結果包含多個節點時，呼叫attr()方法，只會得到第一個節點的屬性。
如果入到這種情況，需要對結果進行遍歷：

from pyquery import PyQuery as pq
doc = pq(html)
a = doc('a')
for item in a.items():
    print(item.attr('href'))

這樣就能正常返回所有的結果了。

• 獲取文字
  獲取節點之後的另一個主要操作就是獲取其內部的文字了，此時可以呼叫text()方法來實現：

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
a = doc('.item-0.active a')
print(a)
print(a.text())

這裡首先選中一個a節點，然後呼叫text()方法，就可以獲取其內部的文字資訊。此時它會忽略掉節點內部包含的所有HTML，只返回純文字內容。

但如果想要獲取這個節點內部的HTML文字，就要用html()方法了：

from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.item-0.active')
print(li)
print(li.html())

這裡我們選中了第三個li節點，然後呼叫了html()方法，它返回的結果應該是li節點內的所有HTML文字。

這裡同樣有一個問題，如果我們選中的結果是多個節點，text()或html()會返回什麼內容？我們用例項來看一下：

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('li')
print(li.html())
print(li.text())
print(type(li.text())

執行結果如下：

<a href="link2.html">second item</a>
second item third item fourth item fifth item
<class 'str'>

結果可能比較出乎意料，html()方法返回的是第一個li節點的內部HTML文字，而text()則返回了所有的li節點內部的純文字，中間用一個空格分割開，即返回結果是一個字串。

所以這個地方值得注意，如果得到的結果是多個節點，並且想要獲取每個節點的內部HTML文字，則需要遍歷每個節點。而text()方法不需要遍歷就可以獲取，它將所有節點取文字之後合併成一個字串。

• 節點操作
  pyquery提供了一系列方法來對節點進行動態修改，比如為某個節點新增一個class，移除某個節點等，這些操作有時候會為提取資訊帶來極大的便利。
• addClass和removeClass

html = '''
<div class="wrap">
    <div id="container">
        <ul class="list">
             <li class="item-0">first item</li>
             <li class="item-1"><a href="link2.html">second item</a></li>
             <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
             <li class="item-1 active"><a href="link4.html">fourth item</a></li>
             <li class="item-0"><a href="link5.html">fifth item</a></li>
         </ul>
     </div>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.item-0.active')
print(li)
li.removeClass('active')
print(li)
li.addClass('active')
print(li)

首先選中了第三個li節點，然後呼叫removeClass()方法，將li節點的active這個class移除，後來又呼叫addClass()方法，將class添加回來。每執行一次操作，就列印輸出當前li節點的內容。
執行結果如下：

<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-0"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>

可以看到，一共輸出了3次。第二次輸出時，li節點的active這個class被移除了，第三次class又添加回來了。

所以說，addClass()和removeClass()這些方法可以動態改變節點的class屬性。

• attr、text和html
  當然，除了操作class這個屬性外，也可以用attr()方法對屬性進行操作。此外，還可以用text()和html()方法來改變節點內部的內容。示例如下：

html = '''
<ul class="list">
     <li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
</ul>
'''
from pyquery import PyQuery as pq
doc = pq(html)
li = doc('.item-0.active')
print(li)
li.attr('name', 'link')
print(li)
li.text('changed item')
print(li)
li.html('<span>changed item</span>')
print(li)

這裡我們首先選中li節點，然後呼叫attr()方法來修改屬性，其中該方法的第一個引數為屬性名，第二個引數為屬性值。接著，呼叫text()和html()方法來改變節點內部的內容。三次操作後，分別列印輸出當前的li節點。
執行結果如下：

<li class="item-0 active"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-0 active" name="link"><a href="link3.html"><span class="bold">third item</span></a></li>
<li class="item-0 active" name="link">changed item</li>
<li class="item-0 active" name="link"><span>changed item</span></li>

可以發現，呼叫attr()方法後，li節點多了一個原本不存在的屬性name，其值為link。接著呼叫text()方法，傳入文字之後，li節點內部的文字全被改為傳入的字串文字了。最後，呼叫html()方法傳入HTML文字後，li節點內部又變為傳入的HTML文字了。

所以說，如果attr()方法只傳入第一個引數的屬性名，則是獲取這個屬性值；如果傳入第二個引數，可以用來修改屬性值。text()和html()方法如果不傳引數，則是獲取節點內純文字和HTML文字；如果傳入引數，則進行賦值。

• remove()
  remove()方法就是移除，它有時會為資訊的提取帶來非常大的便利。下面有一段HTML文字：

html = '''
<div class="wrap">
    Hello, World
    <p>This is a paragraph.</p>
 </div>
'''
from pyquery import PyQuery as pq
doc = pq(html)
wrap = doc('.wrap')
print(wrap.text())

現在想提取Hello, World這個字串，而不要p節點內部的字串，需要怎樣操作呢？

這裡直接先嚐試提取class為wrap的節點的內容，看看是不是我們想要的。執行結果如下：

Hello, World This is a paragraph.

這個結果還包含了內部的p節點的內容，也就是說text()把所有的純文字全提取出來了。如果我們想去掉p節點內部的文字，可以選擇再把p節點內的文字提取一遍，然後從整個結果中移除這個子串，但這個做法明顯比較煩瑣。

這時remove()方法就可以派上用場了，我們可以接著這麼做:

wrap.find('p').remove()
print(wrap.text())

首先選中p節點，然後呼叫了remove()方法將其移除，然後這時wrap內部就只剩下Hello, World這句話了，然後再利用text()方法提取即可。

另外，其實還有很多節點操作的方法，比如append()、empty()和prepend()等方法，它們和jQuery的用法完全一致，詳細的用法可以參考官方文件：http://pyquery.readthedocs.io/en/latest/api.html。