网络爬虫之提取(BeautifulSoup)

本文介绍了使用BeautifulSoup库在Python中进行网络爬虫时如何选取非文本类型节点。通过<>.()和<>.find_all()方法,可以查询特定节点的所有子节点。同时,还提及了soup()与soup.find_all()的等价用法,以及在输出中文时遇到的对齐问题。
摘要由CSDN通过智能技术生成

选取非文本类型节点,需要import bs4
<>.() 等价于 <>.find_all()#查询该<>节点下全部某节点
soup() 等价于 souo.find_all()#查询全部某节点
输出中文对齐问题

#CrawUnivRankingB.py
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):#选取非文本节点类型,需要import bs4
            tds = tr('td')#tds = tr.find_all('td')
            ulist.append([tds[0].string, tds[1].string, tds[3].string])#列表
 
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)))#chr(12288),表示以中文空格字符填充
    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
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