爬虫：中国大学排名定向爬虫实例

实例

最好大学排名http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html

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

bs4只能获取静态url信息

程序的结构设计

步骤1：从网络上获取大学排名网页内容

定义getHTMLText()

步骤2：提取网页内容中信息到合适的数据结构

定义fillUnivList()

步骤3：利用数据结构展示并输出结果

定义printUnivList()

{}是槽，例如{0：^10}格式化输出的第0个字符依次累加，输出宽度为10个字符，向右对其（不加^默认左对齐），宽度小于字符串的实际宽度，以实际宽度输出；省略0即按槽对应顺序

{0:^10}中的0是一个序号，表示格式化输出的第0个字符，依次累加；

{0:^10}中的30表示输出宽度约束为10个字符；

{0:^10}中的^表示输出时右对齐，若宽度小于字符串的实际宽度，以实际宽度输出；

详情见：https://zhidao.baidu.com/question/368788419926022804.html

# -*- coding: cp936 -*-
##{0}对应于"age"，^右对齐输出
##{1}对应于"name"，左对齐输出（默认）
print("{0:^30}\n{1:^30}\n{1:10}".format("age","name"))
输出为:
    age
    name
name

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):
            tds=tr('td')
            ulist.append([tds[0].string,tds[1].string,tds[2].string,tds[3].string,tds[4].string])            
def printUnivList(ulist,num):
    print("{0:^10}\t{1:{5}^10}\t{2:{5}^10}\t{3:^10}\t{4:^10}".format("排名","学校名称","省份","总分","生源质量",chr(12288)))
    for i in range(num):
        u=ulist[i]
        print("{0:^10}\t{1:{5}^10}\t{2:{5}^10}\t{3:^10}\t{4:^10}".format(u[0],u[1],u[2],u[3],u[4],chr(12288)))
def main():
          uinfo=[]
          url="http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html"
          html=getHTMLText(url)
          fillUnivList(uinfo,html)
          printUnivList(uinfo,310)

main()

爬虫：中国大学排名定向爬虫实例

实例

程序的结构设计

猜你喜欢