Question

我正在使用Python的pyquery抓取一个页面，我对它返回的类型感到困惑，特别是如何迭代结果列表。

如果我的HTML看起来像这样：

<div class="formwrap">blah blah <h3>Something interesting</h3></div>
<div class="formwrap">more rubbish <h3>Something else interesting</h3></div>

如何逐个获取<h3>标签的内部，以便我可以处理它们？我在尝试：

results_page = pq(response.read())
formwraps = results_page(".formwrap") 
print type(formwraps)
print type([formwraps])
for my_div in [formwraps]:
    print type(my_div)
    print my_div("h3").text()

这会产生：

<class 'pyquery.pyquery.PyQuery'>
<type 'list'>
<class 'pyquery.pyquery.PyQuery'>
Something interesting something else interesting

看起来似乎没有实际的迭代。如何单独拉出每个元素？

来自新手的额外问题：[a]周围的方括号是什么？看起来它将一个特殊的Pyquery对象转换为一个列表。 []是标准的Python运算符吗？

------ -------- UPDATE

我找到了'每个'function in the pyquery docs。但是，我不明白如何将它用于我想要的东西。假设我只想打印出<h3>的内容。这会产生语法错误：为什么？

formwraps.each(lambda e: print e("h3").text())

Answer 1

自pyquery 1.2.3（commit）以来，您可以使用items()对象的PyQuery作为PyQuery对象浏览每个项目：

print(type(formwraps.items()))
for my_div in formwraps.items():
    print(my_div("h3").text())

方法items()返回generator，这将适用于Python 2和3。

Answer 2

我认为你可以这样做：

from pyquery import PyQuery as pq

def get_h3_contents(index, node):
    d = pq(node)
    d.find('h3').text()

formwraps.each(get_h3_contents)

希望有人帮助某人，如果不是原始海报。

Answer 3

我从来没有使用过pyquery，但是语法错误的根源是Python中的lambdas是有限的，你只能在里面使用一个expresion（所以没有像print这样的语句）。您可以使用函数来规避这种限制，例如：

def my_print(x):
    print x

formwraps.each(lambda e: my_print(e("h3").text()))

Answer 4

最近的pyquery verions允许你使用.items（）

[h.text() for h in formwraps('h3').items()]

Answer 5

我认为你可以像这样迭代pyquery：

for i in range(len(formwraps)):
    print(formwraps.eq(i))
    ...

Answer 6

你也可以不用 each方法

from pyquery import PyQuery as pq
html = """
<div class="formwrap">blah blah <h3>Something interesting</h3></div>
<div class="formwrap">more rubbish <h3>Something else interesting</h3></div>
"""
formwraps = pq(html)(".formwrap")

for my_div in formwraps:
    print pq(my_div)("h3").text()

它产生以下输出：

Something interesting
Something else interesting

迭代pyquery中的对象

6 个答案: