爬虫之爬取最好大学排名实例

本文介绍了一个使用Python3.7在PyCharm中实现的爬虫项目,目标是爬取http://www.zuihaodaxue.com/zuihaodaxuepaiming2019.html上的大学排名信息。程序主要包括三个步骤:首先通过getHTMLText()函数获取网页内容,然后使用fillUnivList()函数从HTML中提取数据并存储到适当的数据结构,最后通过printUnivList()展示并输出爬取的结果。在代码优化过程中,注意了防止IndexError,确保格式对齐,特别是在使用format()函数时要注意chr()的正确使用。
摘要由CSDN通过智能技术生成

爬取链接:http://www.zuihaodaxue.com/zuihaodaxuepaiming2019.html
程序设计结构:
1.获取大学排名网页内容 getHTMLText()
2.提取网页内容中信息到合适的数据结构 fillUnivList()
3.利用数据结构展示并输出结果 printUnivList()

完整代码 Python3.7 pycharm

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')#等价于tr.find_all('td')
            ulist.append([tds[0].string,tds[1].string,tds[2].string])
def printUnivList(ulist,num):
    print("{:^10}\t{:^6}\t{:^10}".format("排名","学校","地区"))
    for i in range (num):
        u=ulist[i]
        print("{:^10}\t{:^6}\t{:^10}".format(u[0],u[1],u[2]))

def main():
    uinfo=[]
    url="http://www.zuihaodaxue.com/zuihaodaxuepaiming2019.html"
    html=getHTMLText(url)
    fillUnivList(uinfo,html)
    printUnivList(uinfo,20)

if __name__ == '__main__':
    main()

中文对齐格式优化:

def printUnivList(ulist,num):
    print("{:^10}\t{:^6}\t{:^10}".format("排名","学校","地区"))
    for i in range (num):
        u=ulist[i]
        print("{:^10}\t{:^6}\t{:^10}".format(u[0],u[1],u[2]))

修改为

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

修改过程中可能出现 IndexError: tuple index out of range
所以上下一定对齐,chr()是在format 里面,以及其写法。

  • 0
    点赞
  • 1
    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