小白学爬虫笔记9---实例：中国好大学排名

实例：中国大学排名

html = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html'

功能说明

• 输入：url
• 输出：大学排名信息的屏幕输出（排名，大学名称，总分）
• 基数路线：requests-bs4
• 定向爬虫：仅对当前url进行爬取，不扩展爬取

程序的结构设计

1. 获取网页内容
2. 提取数据结构
3. 展示数据结果

 

1. getHTMLText()
2. fillUnivList()
3. printUnivList()

主程序

import requests
import bs4
from bs4 import BeautifulSoup
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):
            tds = tr('td')
            ulist.append([tds[0].string,tds[1].string,tds[2].string])
    pass

def printUnivList(ulist,num): # num 学校的个数 ； 格式化输出：format函数
    print("{:^10}\t{:^6}\t{:^10}".format("排名","学校名称","总分"))
    for i in range(num):
        u=ulist[i]
        print("{:^10}\t{:^6}\t{:^10}".format(u[0],u[1],u[2]))
    print("Suc" + str(num))

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

优化

问题：
* 中英文不对齐：字符宽度不同

中文对其问题的解决

采用中文字符的空格填充chr(12288)

def printUnivList(uList,num):
    tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}" #3指中文
    print(tplt.format("排名","学校","分数",chr(12288)))
    for i in range(num):
        u=ulist[i]
        print(tplt.format(u[0],u[1],u[2],chr(12288)))