pyspider 的内容选择器默认已经实例化一个pyquery对象,可以直接使用pyquery的api来获取自己需要的内容。
如果你英文基础好可以直接查看pyquery的官方文档。https://pythonhosted.org/pyquery/
在pyspider中常用案例:
1.在pyquery中使用response.doc就可以直接实例化一个pyquery对象,就可以直接在里面使用pyquery方法了,
2.html()和text() ——获取相应的HTML块或文本块,
例:html:"<head><title>hello</title></head>"
response.doc(‘head‘).html()#返回<title>hello</title>
response.doc(‘head‘).text()#返回hello
3.根据HTML标签来获取元素,
例:html:‘<div><p>test 1</p><p>test 2</p></div>‘
response.doc(‘p‘)#返回[<p>,<p>]
print response.doc(‘p‘)#返回<p>test 1</p><p>test 2</p>
print response.doc(‘p‘).html()#返回test 1
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
4.eq(index) ——根据给定的索引号得到指定元素
接上例,若想得到第二个p标签内的内容,则可以:
print response.doc(‘p‘).eq(1).html() #返回test 2
5.filter() ——根据类名、id名得到指定元素,
例:html:"<div><p id=‘1‘>test 1</p><p class=‘2‘>test 2</p></div>"
response.doc(‘p‘).filter(‘#1‘) #返回[<p#1>]
response.doc(‘p‘).filter(‘.2‘) #返回[<p.2>]
6.find() ——查找嵌套元素,
例:html:"<div><p id=‘1‘>test 1</p><p class=‘2‘>test 2</p></div>"
response.doc(‘div‘).find(‘p‘)#返回[<p#1>, <p.2>]
response.doc(‘div‘).find(‘p‘).eq(0)#返回[<p#1>]
7.直接根据类名、id名获取元素,
例:html:"<div><p id=‘1‘>test 1</p><p class=‘2‘>test 2</p></div>"
response.doc(‘#1‘).html()#返回test 1
response.doc(‘.2‘).html()#返回test 2
8.获取属性值,
例:html:"<p id=‘my_id‘><a href=‘http://hello.com‘>hello</a></p>"
response.doc(‘a‘).attr(‘href‘)#返回http://hello.com
response.doc(‘p‘).attr(‘id‘)#返回my_id
9.获取内容的一部分可以用分割字符串法:
例:html:"<p id=‘my_tel‘>姓名 电话</p>"
response.doc(‘#my_tel‘).text().split(‘ ‘)[0]用来取“姓名” response.doc(‘#my_tel‘).text().split(‘ ‘)[0]用来取“电话”
pyquery还有其他一些用法,这里没有一一整理出来,更多更全的方法可以直接去看它的文档。