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。

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。

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’)

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。

成果展示

最终的成果展示如下：

选成文本，完成即可，自己就换行显示了。