MOOC_北理_Python爬虫学习_5(大学排名爬虫)

这是一章实战。。然后看课程前尝试着能不能自己爬取,一番尝试下成功是成功了。
方法一:

import requests
from bs4 import BeautifulSoup
url = "http://www.zuihaodaxue.cn/zuihaodaxuepaiming2019.html"
html = requests.get(url)
html.encoding = html.apparent_encoding
txt = html.text
soup = BeautifulSoup(txt,"html.parser")
info = soup.find_all('tr','alt')

for i in range(50):
    print(info[i]('td')[0].string)
    print(info[i]('td')[2].string)
    print(info[i].div.string)

#info的类型是<class 'bs4.element.ResultSet'> Set,集合?所以可以索引??(我猜)
#info[i]的类型是<class 'bs4.element.Tag'>标签,所以可以在后面加上啥string attrs啥的。

方法二:

import requests
from bs4 import BeautifulSoup
url = "http://www.zuihaodaxue.cn/zuihaodaxuepaiming2019.html"
html = requests.get(url)
html.encoding = html.apparent_encoding
txt = html.text
soup = BeautifulSoup(txt,"html.parser")
Univ_ls = []
for child in soup.tbody.children:
    Univ_ls.append(child)

for i in range(1,200):
    print(Univ_ls[i].div.string)

这里有个问题,就是最后的for i in range(1,200)必须要在1开始,这个列表的第0项是空,我也不知道为啥。。可能是设定源代码里第一个子节点为空?

方法三(课程中给出的代码):

import requestsfrom bs4 
import BeautifulSoupimport 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[3].string])
	
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():    
	uinfo = []    
	url = 'https://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html'    
	html = getHTMLText(url)    
	fillUnivList(uinfo, html)    
	printUnivList(uinfo, 20) # 20 univs
main()
	
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值