三分钟实现爬取中国前20大学排名

1,009次阅读
没有评论

三分钟实现爬取中国前20大学排名

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()

三分钟实现爬取中国前20大学排名

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

三分钟实现爬取中国前20大学排名

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

相关文章:

版权声明:wuyou2019-12-01发表,共计1472字。
新手QQ群:570568346,欢迎进群讨论 Python51学习
评论(没有评论)