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()