PyQuery本质是jQuery的Python移植，依赖lxml解析HTML、不执行JS、不维护DOM状态；初始化推荐filename更稳定，URL需配合requests预处理并显式指定parser；find()搜索所有后代节点，children()仅限直接子元素；text()和html()为批量getter/setter，修改单个节点需用eq()或索引；CSS选择器受限于lxml，不支持:contains等伪类，应结合Python逻辑补足。
PyQuery 本质是 jQuery 的 Python 移植，但不是“完全等价”——它依赖 lxml 解析 HTML，不执行 JS，也不维护 DOM 状态。想用它快速选中、修改节点，关键在理解它的链式调用和选择器行为，而不是照搬 jQuery 写法。
PyQuery 初始化时该用 url 还是 filename？
直接传 URL（如 PyQuery("https://example.com")）会触发 HTTP 请求，但默认不带 headers，容易被反爬拦截；传本地文件路径（PyQuery(filename="page.html")）更稳定，适合调试。
- 线上抓取务必加
requests预处理：先用requests.get(url, headers=...)获取响应体，再传给PyQuery(response.text) - HTML 中含编码声明（如
<meta charset="utf-8">）时，PyQuery可能误判编码，建议显式指定：PyQuery(response.content, parser="html") - 若 HTML 是 XML 或 XHTML，改用
parser="xml"，否则标签闭合错误会导致解析失败
find() 和 children() 的边界在哪？
两者都返回新 PyQuery 对象，但层级逻辑不同：find() 是深度优先搜索所有后代节点，children() 只取直接子元素——这点和 jQuery 一致，但容易因嵌套结构误判。
-
doc("div").children("p")只匹配<div><p>...</p></div>中的<p>，不会匹配<div><section><p>...</p></section></div> -
doc("div").find("p")会匹配任意深度的<p>，包括上例中的嵌套<p> - 如果目标节点可能被包装（如 CMS 自动生成 wrapper div），优先用
find()；若明确只操作一级结构，用children()更安全
修改文本或属性时，为什么 text() 和 html() 行为反直觉？
text() 是 getter/setter 一体：无参调用返回所有匹配节点的合并纯文本（不含标签），传参则**批量覆盖全部节点的文本内容**；html() 同理，但操作的是 innerHTML。
立即学习“Python免费学习笔记（深入）”；
-
doc("a").text("new link")会把所有<a>的文本全改成 "new link"，不是追加 - 想单独改第 N 个节点？得用索引：
doc("a").eq(0).text("first")或doc("a")[0].text("first")（注意后者返回原生 lxml 元素） -
attr("href", "xxx")批量设属性没问题，但删属性要用removeAttr("class")，不能写attr("class", None)
为什么有些 CSS 选择器失效？
PyQuery 基于 lxml 的 cssselect 实现，不支持所有 jQuery 选择器语法，尤其避开伪类和复杂关系符。
- ✅ 支持：
"div#main .item:first"、"input[type='text']"、"a[href^='https']" - ❌ 不支持：
"div:contains('text')"、"tr:even"、"button:not([disabled])"（lxml 不实现这些） - 替代方案：先用基础选择器缩小范围，再用 Python 循环 + 条件判断，比如
[e for e in doc("div") if "keyword" in e.text_content()] - 遇到动态 class 名（如
class="btn btn--primary js-submit"），别硬匹配完整字符串，用doc("[class*='js-submit']")或正则提取更稳
PyQuery 快，但快的前提是你清楚它不渲染、不执行、不维护状态——它只是个静态 HTML 的查询胶水。真正卡住的点往往不是语法，而是你忘了它看到的 HTML 和浏览器开发者工具里看到的，根本不是同一份内容。
