python爬虫实例---中国大学排名定向爬虫

目标网址：是最好大学网啦
本文根据崇天老师的课程撰写
爬取的过程可以分为三个步骤：

步骤1：从网络上获取排名网页内容

步骤2：提取网页内容中信息

步骤3：展示并输出结果

直接上代码啦

import requests
from bs4 import BeautifulSoup
import bs4

#获取URL信息，输出URL内容 
def getHTMLText(url):
    try:
        #获取网页的内容，并返回给r变量
        r=requests.get(url,timeout=30)
        #检查返回网页的内容的状态码，200表示成功
        r.raise_for_status()
        #统一编码方式
        r.encoding=r.apparent_encoding
        #返回网页内容
        return r.text
    except:
        #出错返回error
        return " error"

#将页面放到ulist列表中 ps:此部分为爬取内容的关键部分
def fillUnivList(ulist,html):
    #解析网页返回内容
    soup=BeautifulSoup(html,"html.parser")
    #检查目标网址可知爬取内容均在tbody标签中
    for tr in soup.find('tbody').children:
        #判断tr标签的类型
        if isinstance(tr,bs4.element.Tag):
            tds=tr('td')
            #需要增加的字段及类型 
            ulist.append([tds[0].string,tds[1].string,tds[2].string])

#将ulist信息打印出来，num：打印元素个数
def printUnivList(ulist,num):
    tplt="{0:^10}\t{1:{3}^10}\t{2:^10}"
    #使用中文编码方式
    print(tplt.format("排名","学校","总分",chr(12288)))
    #遍历
    for i in range(num):
        u=ulist[i]
        print(tplt.format(u[0],u[1],u[2],chr(12288)))
    
def main():
    #创建一个列表
    uinfo=[]
    #目标网址
    url="http://www.zuihaodaxue.com/Greater_China_Ranking2019_0.html"
    html= getHTMLText(url)
    fillUnivList(uinfo,html)
    printUnivList(uinfo,20)
    
main()

运行后如图：