pyquery和etree兩個模塊的區別

etree模塊可以用xpath方法提出網頁數據，而pyquery模塊常用css方法來提取

• pyquery

    from pyquery import PyQuery as pq
    import requests
  
    response = requests.get('http://www.baidu.com')
    html_str = response.content.decode()
  
    # 構造PyQuery實例，類型為：pyquery.pyquery.PyQuery
    doc = pq(html_str)
    doc('td.id')
  

  doc('td.ip') 為pyquery.pyquery.PyQuery類型，根據標簽td ,類名為ip選擇到的標簽

• 這種類型有幾種常用方法

  • .find() : -- 根據標簽名稱尋找，返回pyquery.pyquery.PyQuery類型--
  • remove() : --刪除對應標簽--
  • items() : --返回一組生成器，為pyquery.pyquery.PyQuery類型，如果直接遍歷得到的是element類型，這時就要用到這個方法--
  • text() : --返回文本--

  remove()方法可以去掉網頁的一些雜質

        doc('td.ip').find('p').remove()   # p標簽直接刪除掉了，doc('td.id')里邊已經沒有p標簽了
        doc('td.ip').find('p')
        [out]:  []   # 標簽為空

·        # 然后我們就能得到相應的數據：
        for td in doc('td.ip').items:
            td.text().replace(' ', '' )

• etree

etree.Element() 生成一個element元素，這個元素具有xpath方法，可以用路徑搜索元素

-詳細內容參見：http://www.cnblogs.com/pangblog/p/3275738.html 
###假設xml是獲取的網頁元素，要去除掉 <td class="ip">下邊的p標簽，不能用可pyquery一樣的方法，**要用父類元素移除**。

        p_list = xml.xpath('//td[@class="ip"]//p]')
        for p in p_list:
            p.getparent().remove(p)  # 有父類元素來移除

補充

11/20日，發現直接移除也是有方法的，用drop_tree()

• 獲取文本
  • text() : 獲取單個文本，每個子元素的文本放一個列表里邊
  • string() : 獲取所有文本

        for ip in xml.xpath('//td[@class="ip"]'):
            # 打印所有文本內容
            print(ip.xpath('string()'))
```