探索 PyQuery 的更多高级功能和应用场景，我们可以深入以下方面：
伪类选择器
PyQuery 支持 CSS 伪类选择器，使得选择特定元素变得更加灵活：
doc = pq(html_string)
# 选择第一个 <li> 元素
first_li = doc('li:first')
# 选择最后一个 <li> 元素
last_li = doc('li:last')
# 选择所有偶数 <li> 元素（0-based index）
even_lis = doc('li:even')
# 选择所有奇数 <li> 元素
odd_lis = doc('li:odd')
# 选择包含特定文本的元素
contains = doc('div:contains("Some Text")')
使用 Lambda 函数进行过滤
PyQuery 允许使用 Lambda 函数来进行更复杂的元素过滤：
doc = pq(html_string)
# 使用 Lambda 函数过滤元素
filtered_items = doc('li').filter(lambda i: pq(this).text() == 'Item 2')
这里 i 是当前元素的索引，this 是当前的 PyQuery 对象。
修改元素内容
可以轻松修改元素的内容，包括文本和 HTML 内容：
doc = pq(html_string)
# 修改文本
doc('h1').text('New Header')
# 修改 HTML
doc('div').html('<strong>New Content</strong>')
同时处理多个文档
PyQuery 可以同时处理多个文档，这在需要比较或合并多个 HTML/XML 文档的情况下非常有用：
doc1 = pq(html_string1)
doc2 = pq(html_string2)
# 比较、合并或操作这两个文档
解析复杂的 HTML 结构
对于具有复杂嵌套结构的 HTML，PyQuery 提供了强大的解析能力：
doc = pq(complex_html_string)
# 深度遍历和操作复杂结构
for elem in doc('div.complex-structure').items():
# 对每个匹配的元素进行操作
使用 PyQuery 进行 Web Scraping
PyQuery 是一个强大的工具，用于 Web Scraping（网络数据抓取）：
- 通过 CSS 选择器快速提取网页数据。
- 处理 AJAX 加载的内容。
- 与
requests等 HTTP 库结合，进行复杂的网络请求和会话管理。
扩展 PyQuery
你可以通过扩展 PyQuery 类或结合其他库来实现更复杂的功能，例如结合 pandas 进行数据分析，或者与网络请求库配合使用来处理动态网页。
注意事项
- 使用
PyQuery进行 Web Scraping 时，要遵守网站的使用条款和机器人排除标准（robots.txt）。 - 注意处理网络异常和解析错误，特别是在从网站直接加载文档时。
通过这些高级功能和应用场景，你可以更全面地利用 PyQuery 来处理各种复杂的 HTML/XML 解析任务，无论是简单的数据提取还是复杂的网页分析。
