中国最好大学排行榜爬取

最新推荐文章于 2024-07-24 14:07:34 发布

倔强 Jarrod

最新推荐文章于 2024-07-24 14:07:34 发布

阅读量946

点赞数

分类专栏： python爬虫文章标签：爬虫爬虫实战 requests bs4

本文链接：https://blog.csdn.net/Jarrodche/article/details/98884845

版权

python爬虫专栏收录该内容

10 篇文章 0 订阅

订阅专栏

本文介绍了一个定向爬虫实例，用于爬取中国大学排名信息。通过输入大学排名URL，程序利用requests库获取网页内容，再用bs4解析数据，最终输出包括排名、大学名称和总分在内的信息。

摘要由CSDN通过智能技术生成

中国大学排名定向爬虫实例介绍

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。

程序的结构设计

步骤1：从网络上获取大学排名网页内容 getHTMLText()

步骤2：提取网页内容中信息到合适的数据结构 fillUnivList()

步骤3：利用数据结构展示并输出结果 printUnivLIst()

代码编写

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[3].string])

def printUnivLIst(ulist,num):
    tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}"
    print(tplt.format('排名','学校','总分',chr(12288)))  # 中文输出对齐
    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)  # 20所大学

main()