前面介绍了BeautifulSoup 的用法，它是一个非常强大的网页解析库，你是否觉得它的一些方法用起来有点不适用？有没有觉得它的CSS选择器的功能没有那么强大？
下面来介绍一个更适合的解析库—PyQuery。PyQuery库是jQuery的Python实现，能够以jQuery的语法来操作解析HTML 文档，易用性和解析速度都很好，使用起来还是可以的，有些地方用起来很方便简洁。

5.4.1使用PyQuery

如果之前没有安装PyQuery，可在命令窗口中直接使用pip install PyQuery进行安装。
1.初始化
像 BeautifulSoup 一样，初始化PyQuery的时候，也需要传人HTML 文本来初始化一个PyQuery对象，它的初始化方式有多种，比如直接传入字符串、传入URL、传人文件名，等等。下面详细介绍。
1）字符串初始化
首先，通过一个实例来感受一下：

运行程序，输出如下：

这里首先引入PyQuery这个对象，取别名为pq，然后声明了一个长HTML字符串，并将其当作参数传递给PyQuery类，这样就成功完成了初始化。接下来，将初始化的对象传入 CSS选择器。在这个实例中，传入li节点，这样就可以选择所有的1i节点。
2）对网址响应进行初始化
初始化的参数不仅可以以字符串的形式传递，还可以传入网页的URL，此时只需要指定参数为url 即可：

运行程序，输出如下：

2.CSS 选择器
首先，用一个实例来感受PyQuery的 CSS选择器的用法：

运行程序，输出如下：

这里初始化 PyQuery对象之后，传入了一个CSS选择器井container.list li，它的意思为选取id为 container的节点，然后再选取其内部的class为list的节点内部的所有li节点。然后，打印输出，可以看到，成功获取了符合条件的节点。最后，将它的类型打印输出，可以看到，它的类型依然是PyQuery类型。
再例如，打印 class为object-l的标签：

输出如下：

打印标签名为body的标签：

输出如下：

3.查找节点
下面介绍一些常用的查询函数。
1）子节点
查找子节点时，需要用到find（）方法，此时传入的参数是CSS选择器。

运行程序，输出如下：

首先，选取class为list的节点，然后调用了 find（）方法，传入 CSS选择器，选取其内部的1i节点，最后打印输出。可以发现，find（）方法会将符合条件的所有节点选择出来，结果的类型是PyQuery类型。
其实 find（）的查找范围是节点的所有子孙节点，而如果只想查找子节点，那么可以用children（）方法：

输出如下：

如果要筛选所有子节点中符合条件的节点，比如想筛选出子节点中class为 active的节点，可以向children（）方法传入CSS选择器.active：

输出如下：

可以看到，输出结果已经做了筛选，留下了class为active的节点。
2）父节点
在Python 中，可以用 parent（）方法来获取某个节点的父节点，例如：

输出如下：

代码中，首先用.list选取class为list的节点，然后调用 parent（）方法得到其父节点，其类型依然是PyQuery。
此处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。但是如果想获取某个祖先节点，该怎么办呢？可以用 parents（）方法：

输出如下：

可以看到，输出结果有两个：一个是class为 wrap的节点；另一个是id为 container的节点。也就是说，parents（）方法会返回所有的祖先节点。
要想筛选某个祖先节点，可以向parents（）方法传入CSS选择器，这样就会返回祖先节点中符合 CSS选择器条件的节点：

输出如下：

由输出结果可以看到，输出结果少了一个节点，只保留了class为 wrap的节点。
3）兄弟节点
除了前面介绍的子节点、父节点外，还有一种节点，那就是兄弟节点。如果要获取兄弟节点，可以使用siblings（）方法。例如：

输出如下：

从结果可以看到，这正是刚才所说的4个兄弟节点。
如果要筛选某个兄弟节点，依然可以向siblings方法传入CSS选择器，这样就会从所有兄弟节点中挑选出符合条件的节点了：

输出如下：

这里筛选了class为active的节点，通过刚才的结果可以观察到，class为 active的兄弟节点只有第四个li节点，所以结果应该是一个。
4.遍历
由刚才可观察到，PyQuery的选择结果可能是多少节点，也可能是单个节点，类型都是PyQuery，并没有返回像 BeautifulSoup 那样的列表。
对于单个节点来说，可以直接打印输出，也可以直接转成字符串：

输出：

对于多个节点的结果，就需要遍历来获取了。例如，这里把每个li节点进行遍历，需要调用items（）方法：

输出：

由结果可发现，调用items（）方法后，会得到一个生成器，遍历一下，就可以逐个得到1i节点对象了，它的类型也是PyQuery类型。每个li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。
5.获取信息
提取到节点之后，最终目的是提取节点所包含的信息。比较重要的信息有两类：一是获取属性，二是获取文本。下面具体说明。
1）获取属性
提取到某个PyQuery 类型的节点后，就可以调用attr（）方法来获取属性：

输出：

在代码中，首先选中 class 为item-0和 active的li节点内的a节点，它的类型是PyQuery。然后调用attr（）方法。在这个方法中传入属性的名称，就可以得到这个属性值了。
此外，也可以通过调用attr属性来获取属性，例如：

输出：

这两种方法的结果完全一样。如果选中的是多个元素，然后调用attr（）方法，会出现怎样的结果呢？用实例来测试一下：

输出：

照理来说，选中的a节点有4个，打印结果也应该是4个，但是当调用attr（）方法时，返回结果却只是第一个。这是因为，当返回结果包含多个节点时，调用attr（）方法，只会得到第一个节点的属性。那么，遇到这种情况，如果想获取所有的a节点的属性，就要用到前面所说的遍历了：

输出：

因此，在进行属性获取时，可以观察返回节点是一个还是多个。如果是多个，则需要遍历才能依次获取每个节点的属性。
2）获取文本
获取节点之后的另一个主要操作就是获取其内部的文本了，此时可以调用 text（）方法来实现：

输出：

此处首先选中一个a节点，然后调用 text（）方法，就可以获取其内部的文本信息了。此时它会忽略掉节点内部包含的所有HTML，只返回纯文字内容。
但如果想要获取这个节点内部的HTML 文本，就要用html（）方法了：

输出：

在程序中选中了第三个li节点，然后调用了html（）方法，它返回的结果应该是li节点内的所有HTML 文本。
这里同样有一个问题，如果选中的结果是多个节点，text（）或html（）会返回什么内容？用实例来测试下：

输出：

结果可能比较出人意料，html（）方法返回的是第一个li节点的内部 HTML 文本，而text（）返回了所有的li节点内部的纯文本，中间用一个空格分隔开，即返回结果是一个字符串。
值得注意的是，如果得到的结果是多个节点，并且想要获取每个节点的内部 HTML 文本，则需要遍历每个节点；而使用 text（）方法不需要遍历就可以获取，它对所有节点取文本之后合并成一个字符串。
6.节点操作
PyQuery提供了一系列方法来对节点进行动态修改，比如为某个节点添加一个class，移除某个节点等，这些操作有时会为提取信息带来极大的便利。
由于节点操作的方法太多，下面举几个典型的例子来说明它的用法。
1）addClass 和removeClass
下面先体会实例演示：

输出：

从结果可看到，一共输出了3次。第二次输出时，i节点的active这个class被移除了，第三次 class又添加回来了。
所以，addClass（）和removeClass（）这些方法可以动态改变节点的class属性。
2）attr、text 和html
当然，除了操作 class这个属性外，也可以用attr（）方法对属性进行操作。此外，还可以用 text（）和html（）方法来改变节点内部的内容。例如：

输出：

这里首先选中1i节点，然后调用attr（）方法来修改属性，其中该方法的第一个参数为属性名，第二个参数为属性值。接着，调用 text（）和html（）方法来改变节点内部的内容。两次操作后，分别打印输出当前的li节点。
由结果可发现，调用attr（）方法后，Ii节点多了一个原本不存在的属性name，其值为link。接着调用 text（）方法，传人文本之后，li节点内部的文本全部被改为传人的字符串文本了。最后，调用html（）方法传人HTML 文本后，li节点内部又变为传入的HTML 文本了。
所以，如果attr（）方法只传入第一个参数的属性名，则是获取这个属性值；如果传入第二个参数，则可以用来修改属性值。text（）和html（）方法如果不传参数，则是获取节点内纯文本和HTML 文本；如果传入参数，则进行赋值。
3）remove（）
remove（）的方法即为移除，它有时会为信息的提取带来非常大的便利。下面有一段HTML 文本：

输出：

我们想提取的是“Hello，World”这个字符串，而这个结果还包含了内部的p节点的内容，也就是说，text（）把所有的纯文本全提取出来了。如果想去掉p节点内部的文本，可以选择再把p节点内的文本提取一遍，然后从整个结果中移除这个子串，但这个做法明显比较烦琐。而remove（）方法就可以实现该功能，例如：

输出：

以上代码的思路是：首先选中p节点，然后调用remove（）方法将其移除，这时wrap内部就只剩下“Hello，World”了，再利用 text（）方法提取即可。
7.伪类选择器
CSS选择器之所以强大，有一个重要的原因，那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。实例如下：

输出：

在代码中，使用了CSS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i节点、第三个li之后的1i节点、偶数位置的1i节点、包含 second 文本的1节点。

5.4.2PyQuery爬取煎蛋网商品图片

图片一般都是以链接的形式出现在HTML文本中，因此只需要找到图片连接即可（一般是在img src中），这时再把图片url 打开，利用content保存成具体的文件。这里使用的hashlib是一个编码库，为了使得每一个图片的名字不一样，就用md5这个方法把图片的内容进行了编码。爬取煎蛋网加入了一定的反爬取措施，即并不是直接将图片的url列出来，而是利用一个.js文件，在每一次加载图片的时候都要加载这个.js文件，进而把图片的url解析出来。实现代码为：