欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

爬虫爬取大学排名示例

程序员文章站 2024-03-14 14:42:10
...
# -*- coding: utf-8 -*-
"""
Created on Wed Nov  7 19:33:21 2018

#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()
"""

import requests
from bs4 import BeautifulSoup
import bs4

def getHTMLText(url):
    try:
        r = requests.get(url, timeout = 30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding()
        return r.text
    except:
        return ""

def fillUnivList(ulist, html):
    soup = BeautifulSoup(html, 'html.parser')
    for tr in soup.find('tbody').children:
        if isinstance(tr, bs4.element.Tag): #过滤掉非element.Tag类型的数据
            tds = tr('td')  #存td标签
            ulist.append([tds[0].string, tds[1].string, tds[2].string])

def printUnivList(ulist, num):
    "^居中对齐,^10为宽度设定,中文字符不够时,默认用英文字符填充,中文空格char(12288)"
    print("{:^10}\t{:^6}\t{:^10}".format("排名","学校名","得分"))
    tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}"
    print(tplt.format("排名","学校名","得分",chr(12288)))
#    print("{:^10}\t{:^6}\t{:^10}".format("排名","学校名","得分"))
    for i in range(num):
        u=ulist[i]
        print(tplt.format(u[0],u[1],u[2],chr(12288)))
        
    print("Suc" + str(num))

def main():
    uinfo = []
    url = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html'
    html = getHTMLText(url)
    fillUnivList(uinfo, html)
    printUnivList(uinfo, 20)

if '__name__'=='__main__':
    main()
相关标签: 代码示例

上一篇: Android AES加解密

下一篇: