爬取中国大学排名

此处所写的爬虫是基于requests+bs4库实现的，通过给定一个固定URL：http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html，获取其中的排名、学校名称、总分等三项信息，该URL指向的页面如下所示：

代码实现如下所示：

import requests
from bs4 import BeautifulSoup
import bs4

def getHTMLText(url):
    try:
        r = requests.get(url, timeout = 30)
        #检查Response对象的状态码，若不是200抛出异常
        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')#等价于tr.find_all('td')
            uList.append([tds[0].string, tds[1].string, tds[3].string])

def printUnivList(uList, num):
    #此处format函数的应用可参考：http://blog.csdn.net/hduxiejun/article/details/56312762
    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():
    uinfo = []
    url = "http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html"
    html = getHTMLText(url)
    fillUnivList(uinfo, html)
    printUnivList(uinfo, 20)#只获取排名前20的大学

main()

运行效果如下所示：