2021-2-8中国の大学ランキングのクロール

時間：2021-2-8

获取URL（https://www.shanghairanking.cn/rankings/bcur/2020）

HTMLを分析する

ウェブページのソースコードを開き、清華大学を見つけます。

分析に必要な情報が配置されているラベルの場所。

ランキングとスコアはまだtdタグにありますが、清華大学の名前はタグにあります

Pythonファイルを書く

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"获取失败"


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')
            tbs=tr('a')
        ulist.append([tds[0].text.strip(),tbs[0].text.strip(),tds[-2].text.strip()])
    pass


def printUnivList(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)))
    for i in range(num):
        u=ulist[i]
        print(tplt.format(u[0],u[1],u[2],chr(12288)))


def main():
    ulnfo=[]
    url="https://www.shanghairanking.cn/rankings/bcur/202011"
    html=getHTMLText(url)
    if html=="获取失败":
        print(html)
    else:
        fillUnivList(ulnfo,html)
        printUnivList(ulnfo,20)
main()

クロール情報

クローラーファイルを作成するための最も重要なことは、htmlを分析することです。クローラーをより便利に作成できるように、htmlソースコードを理解することが最善です。
Webページが更新されたら、URLを取得して、htmlWebページを再度分析する必要があります。