爬虫之中国大学排名&Python中.format()中文对齐问题

Python教程爬虫实例1——中国大学排名爬虫程序:
getHTMLText()方法

def getHTMLText(url):
    try:
        r = requests.get(url, timeout = 30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return "爬取失败!"

fillUnivList()方法

def fillUnivList(ulist, html):
    school_num = 0
    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[2].string, tds[3].string])
            school_num += 1
    return school_num

printUnivList()方法

def printUnivList(ulist, num):
    print("{:^10}\t{:^10}\t{:^10}\t{:^10}".format("排名", "学校名称", "所在省市", "总分", chr(12288)))
    for i in range(num):
        u = ulist[i]
        print("{:^10}\t{:^10}\t{:^10}\t{:^10}".format(u[0], u[1], u[2], u[3], chr(12288)))

print("{:^10}\t{:^10}\t{:^10}\t{:^10}".format("排名", "学校名称", "所在省市", "总分", chr(12288)))

对于print()格式化输出的说明:{:^10}表示这个字符串占据10个字符,
^表示居中对齐,如果使用<则表示左对齐,>表示右对齐。我们输出的中文宽度不够约定的宽度时,系统会自动进行填充。但是系统填充的是英文字符,而我们输出占用的是中文字符的宽度。
main()方法

def main():
    uinfo = []
    url = "http://www.zuihaodaxue.cn/zuihaodaxuepaiming2019.html"
    print(url)
    html = getHTMLText(url)
    s_num = fillUnivList(uinfo, html)
    print("一共爬取了{}个学校的数据!".format(s_num))
    printUnivList(uinfo, 200) #20所大学信息

完整程序代码

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 "爬取失败!"

def fillUnivList(ulist, html):
    school_num = 0
    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[2].string, tds[3].string])
            school_num += 1
    return school_num

def printUnivList(ulist, num):
    tplt = "{0:^10}\t{1:{4}^10}\t{2:^10}\t{3:^10}"
    print(tplt.format("排名", "学校名称", "所在省市", "总分", chr(12288)))
    for i in range(num):
        u = ulist[i]
        print(tplt.format(u[0], u[1], u[2], u[3], chr(12288)))
        
def main():
    uinfo = []
    url = "http://www.zuihaodaxue.cn/zuihaodaxuepaiming2019.html"
    print(url)
    html = getHTMLText(url)
    s_num = fillUnivList(uinfo, html)
    print("一共爬取了{}个学校的数据!".format(s_num))
    printUnivList(uinfo, 200) #200所大学信息

if __name__=="__main__":
    main()

该爬虫爬取的是2019年的排名数据
在原来的教程上修改了爬取信息的内容,同时统计了爬取学校的数量。
但是目前还遇见了一个问题,就是在打印时存在的对齐问题,虽然百度了说使用chr(12288)解决,但是添加了相应的限制之后还是出现了以下问题:
在这里插入图片描述
希望大家能够指教。
之后又对程序中的printUnivList()方法进行了修改:

def printUnivList(ulist, num):
    tplt = "{0:^10}\t{1:{4}^10}\t{2:^10}\t{3:^10}"
    print(tplt.format("排名", "学校名称", "所在省市", "总分", chr(12288)))
    for i in range(num):
        u = ulist[i]
        print(tplt.format(u[0], u[1], u[2], u[3], chr(12288)))

便可以完美的显示啦
显示效果:
在这里插入图片描述

  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 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

打赏作者

Timer-419

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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