爬虫 中国大学排名

 

 

功能描述

输入：大学排名URL链接

输出：大学排名信息的屏幕输出（排名，大学名称，总分）

技术路线：requests­-bs4

定向爬虫：仅对输入URL进行爬取，不扩展爬取

程序的结构设计

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()

 

 

该网页不存在爬虫限制

 

 一个大学Html对应代码

 <tbody> <tr><td></td></tr> </tbody>

format格式化输出

“中国大学排名定向爬虫”实例编写 

 

import requests
from bs4 import BeautifulSoup
import re
import bs4
def getHtmlText(url):
    try:
        kv = {'user-agent':'Mozilla/5.0'}
        r = requests.get(url,headers = kv ,timeout = 30)
        r.raise_for_status
        r.encoding = r.apparent_encoding
        return  r.text
    except:
            return ""
def fillUniList(ulist,html):
     soup = BeautifulSoup(html,"html.parser")
     for tr in soup.find('tbody').children:
         if isinstance(tr,bs4.element.Tag):#是否为Tag
             tds = tr('td')
             ulist.append([tds[0].string,tds[1].string,tds[3].string])

def printUniList(ulist,num):
    tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}"#{3}用第3个chr(12288)填充
    print(tplt.format("排名","学校名称","总分",chr(12288))) #中文空格填充
    for i in range(num):
      u = ulist[i]
      print(tplt.format(u[0],u[1],u[2],chr(12288)))
def main():
    uinfo = []
    url = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html'
    html = getHtmlText(url)
    #print(html[1000:2000])
    fillUniList(uinfo,html)
    printUniList(uinfo,15)
main()