一、中国大学排名爬虫案例的步骤如下:
步骤1:从网络上获取大学排名网页内容 getHTMLText()
步骤2:提取网页内容中信息到合适的数据结构 fillUnivList()
步骤3:利用数据结构展示并输出结果 printUnivList()
实例代码
import requests import bs4 from bs4 import BeautifulSoup def getHTMLText(url): '''从网络上获取大学排名网页内容''' try: r = requests.get(url, timeout=30) # #如果状态不是200,就会引发HTTPError异常 r.raise_for_status() r.encoding = r.apparent_encoding return r.text except: return "" def fillUnivList(ulist, html): '''提取网页内容中信息到合适的数据结构''' soup = BeautifulSoup(html, "html.parser") # 查找html中tbody标签的所有<tr>子标签 for tr in soup.find('tbody').children: if isinstance(tr, bs4.element.Tag): tds = tr('td') # tds[0].string 是排名,tds[1].string 是学校名称,tds[3].string 是学校的总分 ulist.append([tds[0].string, tds[1].string, tds[3].string]) def printUnivList(ulist, num): ''' 打印前 num 名的大学''' # {1:{3}^10} 中的 {3} 代表取第三个参数 tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}" print(tplt.format("排名","学校名称","总分",chr(12288))) # chr(12288) 代表中文空格 for i in range(num): u=ulist[i] print(tplt.format(u[0],u[1],u[2],chr(12288))) # chr(12288) 代表中文空格 def main(): uinfo = [] url = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2019.html' html = getHTMLText(url)# 获取大学排名网页内容 fillUnivList(uinfo, html)#提取网页内容中信息 printUnivList(uinfo, 20) #输出结果 main()
结果如下
神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试