爬虫神器之PyQuery实用教程，50行代码爬取穷游网

Posted 2023-01-11

爬虫神器之PyQuery实用教程（二），50行代码爬取穷游网

前言

上篇文章 ​​PyQuery (一)​​ 回顾。今天来介绍具体 PyQuery 的使用方法。

穷游网目标与分析

开始之前，按照之前的套路一步步来。

一、先确立目标。

我们要爬取的目标是：

1. 日本的城市
2. 去过的人数
3. 城市的详情景点

二、看源码，分析元素节点。

F12 查看当前网页源代码：

​​https://place.qyer.com/japan/citylist-0-0-1/​​

选中下图区域，可以看到这是一个 ul 标签，class 为 plcCitylist 。

• ul：unordered list，“无序列表”的意思。

class 为 plcCitylist ，全局检索一下，ul 标签的 class 值唯一：

在这个无序标签里，有许多 li 标签，class 为 item+数字。

• li：list item，“列表项”的意思。

继续分析。

有了上面两个基础结构，来看下其中要提取的详细信息，下图：

城市名字：包含在 a 标签中。

去过的人数：包含在 h3 标签中，且在 p 标签中，class 为 beenton 中。

详情景点：包含在 h3 标签中，且在 p 标签中，class 为 pois 中，且在 a 标签中。

• h3：给文本增加主标题的语义。（显示在页面上标题变粗）
• p：段落标签

以上分析完了，其实单纯分析节点很简单。重点在于代码如何使用。

PyQuery代码详讲

依然是分步骤来提取我们想要的。

回忆一下，用 PyQuery 请求到源代码，拿到实例对象。

from pyquery import PyQuery as pq
doc = pq(https://place.qyer.com/japan/citylist-0-0-1)

**1. css选择器，提取外层 ul **

ul_city = doc(.plcCitylist)

基于 css 选择器，获取 class=“plcCitylist” 的 ul 节点元素。因为 class 值唯一，上面说过了。

在 JQuery 的语法中， . 代表着类选择器的写法，而 # 代表着 id 选择器的写法。所以直接用 .值 ，直接可以获取当前标签元素节点，如下：

当然，如果当标签不唯一时，你也可以这样操作，在.前面声明具体标签：

ul_city = doc(ul.plcCitylist)

2. 提取 ul 里层 li 节点元素

lis = ul_city(li)

根据 ul_city 得到的节点变量，用括号加子标签的形式即可获取。

但需要注意的是，尽管我们 print 打印是你看到的文字，它们实际上并不是 str 类型的字符串，而是 PyQuery 这个类型。

3. 遍历单独的 li 元素节点

当我们获取 ul 下面的 li 元素节点时，匹配到的肯定是多个。此时想要逐个解析 li ，并且获取到 li 中的城市名称等抓取信息如何做呢？

for li in lis.items():

通过调用 PyQuery 对象的 items 方法，即可逐层遍历相同元素，就像我们的 list 一样。

4. 标签多个 class 确定唯一值的选择器写法

仔细看我们 li 节点中的 h3 标签，class 里面是有两个值的。

<h3 class = "title fontYaHei">.............

通过这两个值的唯一性，我们可以直接定位到 h3 元素。

h3 = li(.title.fontYaHei)

5. PyQuery 属性选择节点

如果你用不惯以上的所有获取节点元素的方法， PyQuery 还提供了一个便利的方法，即通过标签元素的属性进行定位元素。

a_city = h3(a).attr(data-bn-ipg, place-citylist-mix-name-1)

h3(‘a’) 获取的是 h3 标签里 a 标签的元素节点。
使用 .attr 时，后面两个参数说明 a 标签原本的属性由如下组成：

<a data-bn-ipg = "place-citylist-mix-name-1">.............

attr 第一个参数是标签属性的名字，第二个参数则是属性具体的值。

6. PyQuery 节点元素提取文本内容

以上内容操作的都是标签元素的节点，而非本文内容，想要提取文本内容，则调用 xx.text() 方法，节点转为字符串。

p_person_nums = li(p)(.beento)
print(p_person_nums.text())

成果展示

最终的成果展示如下：

写入 Excel 之后，可以看到第二行的数据都在一行，不方便美观，即使我代码中做了换行的操作。

所以程序跑完后，需要手动操作下 Excel ，让换行符生效，如下操作：

选中一列，然后数据 -> 分列：

选成文本，完成即可，自己就换行显示了。

获取到的信息写入 Excel 中。比如你想去哪个国家游玩，自己查攻略，通过这种方式来解决信息的整理，也是一种不错的高效方法。

总结

以上提到的 6 点，便是 PyQuery 常用到的基础方法。如果还有想了解具体详情的小伙伴，可以自行去官网查阅具体使用技巧。

实战中进步，学完 PyQuery 的用法，是否觉得学会了一个高效的解析节点的方法库呢？

关于本篇文章的全部源代码，去除空行约 50 行，非常简短，已经上传到 github 了。

有想学习的朋友，可以后台回复 “穷游” 二字，即可获取源码地址。