Python3网络爬虫实战-30、PyQuery

时间 2019-11-11

标签 python3 python 网络爬虫实战 pyquery 栏目 Python 繁體版

原文原文链接

在上一节咱们介绍了 BeautifulSoup 的使用，它是一个很是强大的网页解析库，可有没有以为它的一些方法使用有点不适应？有没有以为它的 CSS 选择器功能没有那么强大？html

若是你对 Web 有所涉及，若是你比较喜欢用 CSS 选择器，若是你对 jQuery 有所了解，那么这里有一个更适合你的解析库—— PyQuery。segmentfault

接下来咱们就来感觉一下 PyQuery 的强大之处。api

1. 准备工做

在开始以前请确保已经正确安装好了 PyQuery，如没有安装能够参考第一章的安装过程。app

2. 初始化

像 BeautifulSoup 同样，PyQuery 初始化的时候也须要传入 HTML 数据源来初始化一个操做对象，它的初始化方式有多种，好比直接传入字符串，传入 URL，传文件名。下面咱们来详细介绍一下。ide

字符串初始化

首先咱们用一个实例来感觉一下：函数

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'))
Python资源分享qun 784758214 ,内有安装包，PDF，学习视频，这里是Python学习者的汇集地，零基础，进阶，都欢迎

运行结果：学习

<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>

在这里咱们首先引入了 PyQuery 这个对象，取别名为 pq，而后声明了一个长 HTML 字符串，看成参数传递给 PyQuery，这样就成功完成了初始化，而后接下来将初始化的对象传入 CSS 选择器，在这个实例中咱们传入 li 节点，这样就能够选择全部的 li 节点，打印输出能够看到全部的 li 节点的 HTML 文本。测试

URL初始化

初始化的参数不只能够以字符串的形式传递，还能够传入网页的 URL，在这里只须要指定参数为 url 便可：url

from pyquery import PyQuery as pq
doc = pq(url='http://www.segmentfault.com')
print(doc('title'))

运行结果：spa

<title>SegmentFault 思否</title>

这样的话 PyQuery 会首先请求这个 URL，而后用获得的 HTML 内容完成初始化，其实就至关于咱们用网页的源代码以字符串的形式传递给 PyQuery 来初始化。

它与下面的功能是相同的：

from pyquery import PyQuery as pq
import requests
doc = pq(requests.get('http://www.segmentfault.com').text)
print(doc('title'))

文件初始化

固然除了传递一个 URL，还能够传递本地的文件名，参数指定为 filename 便可：

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

固然在这里须要有一个本地 HTML 文件 demo.html，内容是待解析的 HTML 字符串。这样它会首先读取本地的文件内容，而后用文件内容以字符串的形式传递给 PyQuery 来初始化。

以上三种初始化方式都可，固然最经常使用的初始化方式仍是以字符串形式传递。

3. 基本CSS选择器

咱们首先用一个实例来感觉一下 PyQuery 的 CSS 选择器的用法：

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')))

运行结果：

<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>
<class 'pyquery.pyquery.PyQuery'>

在这里咱们初始化 PyQuery 对象以后，传入了一个 CSS 选择器，#container .list li，意思是选取 id 为 container 的节点内部的 class 为 list 的节点内部的全部 li 节点。而后打印输出，能够看到成功获取到了符合条件的节点。

而后咱们将它的类型打印输出，能够看到它的类型依然是 PyQuery类型。

4. 查找节点

下面咱们介绍一些经常使用的查询函数，这些函数和 jQuery 中的函数用法也彻底相同。

子节点

查找子节点须要用到 find() 方法，传入的参数是 CSS 选择器，咱们仍是以上面的 HTML 为例：

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)

运行结果：

<class 'pyquery.pyquery.PyQuery'>
<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>
<class 'pyquery.pyquery.PyQuery'>
<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>

首先咱们选取了 class 为 list 的节点，而后咱们调用了 find() 方法，传入了 CSS 选择器，选取其内部的 li 节点，最后都打印输出便可观察到对应的查询结果，能够发现 find() 方法会将符合条件的全部节点选择出来，结果的类型是 PyQuery 类型。

其实 find() 的查找范围是节点的全部子孙节点，而若是咱们只想查找子节点，那能够用 children() 方法：

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

运行结果：

<class 'pyquery.pyquery.PyQuery'>
<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>

若是要筛选全部子节点中符合条件的节点，好比咱们想筛选出子节点中 class 为 active 的节点，能够向 children() 方法传入 CSS 选择器 .active：

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

运行结果：

<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>

能够看到输出的结果已经作了筛选，留下了 class 为 active 的节点。

父节点

咱们能够用 parent() 方法来获取某个节点的父节点，咱们用一个实例来感觉一下：

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)

运行结果：

<class 'pyquery.pyquery.PyQuery'>
<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>

在这里咱们首先用 .list 选取了 class 为 list 的节点，而后调用了 parent() 方法，获得其父节点，类型依然是 PyQuery 类型。

这里的父节点是该节点的直接父节点，也就是说，它不会再去查找父节点的父节点，即祖先节点。

可是若是咱们想获取某个祖先节点怎么办呢？能够用 parents() 方法：

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

运行结果：

<class 'pyquery.pyquery.PyQuery'>
<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>
 <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>

在这里咱们调用了 parents() 方法，能够看到输出结果有两个，一个是 class 为 wrap 的节点，一个是 id 为 container 的节点，也就是说，parents() 方法会返回全部的祖先节点。

若是咱们想要筛选某个祖先节点的话能够向 parents() 方法传入 CSS 选择器，这样就会返回祖先节点中符合 CSS 选择器的节点：

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

运行结果：

<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>
Python资源分享qun 784758214 ,内有安装包，PDF，学习视频，这里是Python学习者的汇集地，零基础，进阶，都欢迎

能够看到输出结果就少了一个节点，只保留了 class 为 wrap 的节点。

兄弟节点

在上面咱们说明了子节点和父节点的用法，还有一种节点那就是兄弟节点，若是要获取兄弟节点可使用 siblings() 方法。咱们仍是以上面的 HTML 代码为例来感觉一下：

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

在这里咱们首先选择了 class 为 list 的节点内部的 class 为 item-0 和 active 的节点，也就是第三个 li 节点。那么很明显它的兄弟节点有四个，那就是第1、2、4、五个 li 节点。

运行结果：

<li class="item-1"><a href="link2.html">second item</a></li>
<li class="item-0">first item</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>

能够看到运行结果也正是咱们刚才所说的四个兄弟节点。

若是要筛选某个兄弟节点，咱们依然能够向方法传入 CSS 选择器，这样就会从全部兄弟节点中挑选出符合条件的节点了：

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

在这里咱们筛选了 class 为 active 的节点，经过刚才的结果咱们能够观察到 class 为 active 的兄弟节点只有第四个 li 节点，因此结果应该是一个。

运行结果：

<li class="item-1 active"><a href="link4.html">fourth item</a></li>

5. 遍历

咱们刚才能够观察到，PyQuery 的选择结果多是多个节点，多是单个节点，类型都是 PyQuery 类型，并无返回像 BeautifulSoup 同样的列表。

对于单个节点来讲，咱们能够直接打印输出，也可直接转成字符串：

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

运行结果：

<li class="item-0 active"><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>

对于多个节点的结果，咱们就须要遍从来获取了，例如这里咱们把每个 li 节点进行遍历,，须要调用 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))

运行结果：

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

在这里咱们能够发现调用 items() 方法后，会获得一个生成器，遍历一下，就能够逐个获得 li 节点对象了，它的类型也是 PyQuery 类型，因此每一个 li 节点还能够调用前面所说的方法进行选择，好比继续查询子节点，寻找某个祖先节点等等，很是灵活。

6. 获取信息

提取到节点以后，咱们的最终目的固然是提取节点所包含的信息了，比较重要的信息有两类，一是获取属性，二是获取文本，下面咱们分别进行说明。

获取属性

提取到某个 PyQuery 类型的节点以后，咱们能够调用 attr() 方法来获取属性：

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'))

运行结果：

<a href="link3.html"><span class="bold">third item</span></a> <class 'pyquery.pyquery.PyQuery'>
link3.html

在这里咱们首先选中了 class 为 item-0 和 active 的 li 节点内的 a 节点，它的类型能够看到是 PyQuery 类型。

而后咱们调用了 attr() 方法，而后传入属性的名称，就能够获得这个属性值了。

也能够经过调用 attr 属性来获取属性，用法以下：

print(a.attr.href)

结果：

link3.html

结果是彻底同样的，在这里咱们没有调用方法，而是调用了 attr 属性，而后再调用属性名，一样能够获得属性值。

若是咱们选中的是多个元素，而后调用 attr() 方法会出现怎样的结果？咱们用一个实例来测试一下：

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

运行结果：

<a href="link2.html">second item</a><a href="link3.html"><span class="bold">third item</span></a><a href="link4.html">fourth item</a><a href="link5.html">fifth item</a> <class 'pyquery.pyquery.PyQuery'>
link2.html
link2.html

照理来讲咱们选中的 a 节点应该有四个，并且打印结果也是四个，可是当咱们调用 attr() 方法时，返回的结果却只是第一个。

因此当返回结果包含多个节点时，调用 attr() 方法只会获得第一个节点的属性。

那么遇到这种状况若是咱们想获取全部的 a 节点的属性，就须要用到上文所说的遍历了：

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

运行结果：

link2.html
link3.html
link4.html
link5.html

因此，在进行属性获取的时候观察一下返回节点是一个仍是多个，若是是多个，则须要遍历才能依次获取每一个节点的属性。

获取文本

获取节点以后的另外一个主要的操做就是获取其内部的文本了，咱们能够调用 text() 方法来获取：

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())

运行结果：

<a href="link3.html"><span class="bold">third item</span></a>
third item

咱们首先选中了一个 a 节点，而后调用了 text() 方法，就能够获取其内部的文本信息了，它会忽略掉节点内部包含的全部 HTML，只返回纯文字内容。

但若是咱们想要获取这个节点内部的 HTML 文本，就能够用 html() 方法：

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

这里咱们选中了第三个 li 节点，而后调用了 html() 方法，它返回的结果应该是li节点内的全部 HTML 文本。

运行结果：

<a href="link3.html"><span class="bold">third item</span></a>

这里一样有一个问题，若是咱们选中的结果是多个节点，text() 或 html() 会返回什么内容？

咱们用一个实例来看一下：

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())

运行结果：

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

结果可能比较出乎意料，咱们选中的是全部的 li 节点，能够发现 html() 方法返回的是第一个 li 节点的内部 HTML 文本，而 text() 则返回了全部的 li 节点内部纯文本，中间用一个空格分割开，其实是一个字符串。

因此这个地方值得注意，若是咱们获得的结果是多个节点，若是要获取每一个节点的内部 HTML 文本，则须要遍历每一个节点，而 text() 方法不须要遍历就能够获取，它是将全部节点取文本以后合并成一个字符串。

7. 节点操做

PyQuery 提供了一系列方法来对节点进行动态修改操做，好比为某个节点添加一个 class，移除某个节点等等，这些操做有时候会为提取信息带来极大的便利。

因为节点操做的方法太多，下面举几个典型的例子来讲明它的用法。

addClass、removeClass

咱们先用一个实例来感觉一下：

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)
li = doc('.item-0.active')
print(li)
li.removeClass('active')
print(li)
li.addClass('active')
print(li)

首先咱们选中了第三个 li 节点，而后调用了 removeClass() 方法，将 li 节点的 active 这个 class 移除，后来又调用了 addClass() 方法，又将 class 添加回来，每执行一次操做，就打印输出一下当前 li 节点的内容。

运行结果：

<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>

能够看到一共进行了三次输出，第二次输出 li 节点的 active 这个 class 被移除了，第三次 class 又添加回来了。

因此说咱们 addClass()、removeClass() 这些方法能够动态地改变节点的 class 属性。

attr、text、html

固然除了操做 class 这个属性，也有 attr() 方法来专门针对属性进行操做，也能够用 text()、html() 方法来改变节点内部的内容。

咱们用实例感觉一下：

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)

在这里咱们首先选中了 li 节点，而后调用 attr() 方法来修改属性，第一个参数为属性名，第二个参数为属性值，而后咱们调用了 text() 和 html() 方法来改变节点内部的内容。三次操做后分别又打印输出当前 li 节点。

运行结果：

<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>

能够发现，调用 attr() 方法后，li 节点多了一个本来不存在的属性 name，其值为 link，调用 text() 方法，传入文本以后，发现 li 节点内部的文本就全被改变为传入的字符串文本了。调用 html() 方法传入 HTML 文本以后，li 节点内部又改变为传入的 HTML 文本。

因此说，attr() 方法若是只传入第一个参数属性名，则是获取这个属性值，若是传入第二个参数，能够用来修改属性值，text() 和 html() 方法若是不传参数是获取节点内纯文本和 HTML 文本，若是传入参数则是进行赋值。

remove

remove 顾名思义移除，remove() 方法有时会为信息的提取带来很是大的便利。下面咱们看一个实例：

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())

在这里有一段 HTML 文本，咱们如今想提取 Hello, World 这个字符串，而不要 p 节点内部的字符串，这个怎样来提取？

在这里咱们直接先尝试提取 class 为 wrap 的节点的内容，看看是否是咱们想要的，运行结果以下：

Hello, World This is a paragraph.

然而这个结果还包含了内部的 p 节点的内容，也就是说 text() 把全部的纯文本全提取出来了。若是咱们想去掉 p 节点内部的文本，能够选择再把 p 节点内的文本提取一遍，而后从整个结果中移除这个子串，但这个作法明显比较繁琐。

那这是 remove() 方法就能够派上用场了，咱们能够接着这么作:

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

咱们首先选中了 p 节点，而后调用了 remove() 方法将其移除，而后这时 wrap 内部就只剩下 Hello, World 这句话了，而后再利用 text()方法提取便可。

因此说，remove() 方法能够删除某些冗余内容，来方便咱们的提取。在适当的时候使用能够极大地提升效率。

另外其实还有不少节点操做的方法，好比 append()、empty()、prepend() 等方法，他们和 jQuery 的用法是彻底一致的，详细的用法能够参考官方文档：http://pyquery.readthedocs.io...

8. 伪类选择器

CSS 选择器之因此强大，还有一个很重要的缘由就是它支持多种多样的伪类选择器。例如选择第一个节点、最后一个节点、奇偶数节点、包含某一文本的节点等等，咱们用一个实例感觉一下：

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)
li = doc('li:first-child')
print(li)
li = doc('li:last-child')
print(li)
li = doc('li:nth-child(2)')
print(li)
li = doc('li:gt(2)')
print(li)
li = doc('li:nth-child(2n)')
print(li)
li = doc('li:contains(second)')
print(li)
Python资源分享qun 784758214 ,内有安装包，PDF，学习视频，这里是Python学习者的汇集地，零基础，进阶，都欢迎

在这里咱们使用了 CSS3 的伪类选择器，依次选择了第一个 li 节点、最后一个 li 节点、第二个 li 节点、第三个 li 以后的 li 节点、偶数位置的 li 节点、包含 second 文本的 li 节点，功能十分强大。

9. 结语

到此为止 PyQuery 的经常使用用法就介绍完了