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。