re-bs4 实例：中国大学排名

版权声明：猪小哥 https://blog.csdn.net/food_for_thought/article/details/83116532

import requests
from bs4 import BeautifulSoup
import bs4

'''
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
'''

# 从网络上获取大学排名网页内容
def get_HTML_Text(url):
    try:
        r = requests.get(url, timeout=30)  # 获取网页信息，30秒则超时
        r.raise_for_status()  # 如果状态不是200，引发HTTP——error异常
        r.encoding = r.apparent_encoding  # 重新编码
        return r.text
    except:
        return ""

# 提取网页内容中信息到合适的数据结构
def fill_UnivList(ulist, html):
    soup = BeautifulSoup(html, "html.parser")
    for tr in soup.find('tbody').children:  # 遍历每一个tr组，而每一个tr组代表着一个大学
        if isinstance(tr, bs4.element.Tag):  # 检测是否是tag类型
            tds = tr('td')
            ulist.append([tds[0].string, tds[1].string, tds[3].string])

# 利用数据结构展示并输出结果
def print_UnivList(ulist, num):
    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)是中文空格
    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.com/zuihaodaxuepaiming2018.html'
    html = get_HTML_Text(url)
    fill_UnivList(uinfo, html)
    print_UnivList(uinfo, 20)  # 20 univs


main()