pyquery和etree两个模块的区别

etree模块可以用xpath方法提出网页数据，而pyquery模块常用css方法来提取

• pyquery

    from pyquery import PyQuery as pq
    import requests
  
    response = requests.get('http://www.baidu.com')
    html_str = response.content.decode()
  
    # 构造PyQuery实例，类型为：pyquery.pyquery.PyQuery
    doc = pq(html_str)
    doc('td.id')
  

  doc('td.ip') 为pyquery.pyquery.PyQuery类型，根据标签td ,类名为ip选择到的标签

• 这种类型有几种常用方法

  • .find() : -- 根据标签名称寻找，返回pyquery.pyquery.PyQuery类型--
  • remove() : --删除对应标签--
  • items() : --返回一组生成器，为pyquery.pyquery.PyQuery类型，如果直接遍历得到的是element类型，这时就要用到这个方法--
  • text() : --返回文本--

  remove()方法可以去掉网页的一些杂质

        doc('td.ip').find('p').remove()   # p标签直接删除掉了，doc('td.id')里边已经没有p标签了
        doc('td.ip').find('p')
        [out]:  []   # 标签为空

·        # 然后我们就能得到相应的数据：
        for td in doc('td.ip').items:
            td.text().replace(' ', '' )

• etree

etree.Element() 生成一个element元素，这个元素具有xpath方法，可以用路径搜索元素

-详细内容参见：http://www.cnblogs.com/pangblog/p/3275738.html 
###假设xml是获取的网页元素，要去除掉 <td class="ip">下边的p标签，不能用可pyquery一样的方法，**要用父类元素移除**。

        p_list = xml.xpath('//td[@class="ip"]//p]')
        for p in p_list:
            p.getparent().remove(p)  # 有父类元素来移除

补充

11/20日，发现直接移除也是有方法的，用drop_tree()

• 获取文本
  • text() : 获取单个文本，每个子元素的文本放一个列表里边
  • string() : 获取所有文本

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