大学排名信息爬取

import requests
from bs4 import BeautifulSoup
import bs4

def getHTMLText(url):
    try:
        r = requests.get(url)
        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 ):   #判断tbody的子节点是否为标签属性,需引入bs4库
            tds = tr('td')
            ulist.append([tds[0].string, tds[1].string, tds[2].string]) #td标签中关键信息为string类型

def printUnivList(ulist,num):
    tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}"    #冒号前为引用format中参数的位置,0、1、2分别代表排名、学校、分数,^表示居中对齐,:与^之前的{3}代表填充内容,10为列宽
    print(tplt.format('排名','学校','分数',chr(12288)))    #chr(12288)为中文空格,上句中{3}表示引用这个内容
    for i in range(num):
        u = ulist[i]   #ulist形式为:[[0, 0, 1], [0, 0, 2], ...], ulist[0]=[0, 0, 1],所以u[0]、u[1]、u[2]对应数字0,0,1
        print(tplt.format(u[0],u[1],u[2],chr(12288)))

def main():
    url = 'http://www.zuihaodaxue.com/zuihaodaxuepaiming2016.html'
    ulist = []    #别忘了定义ulist属性为列表
    html = getHTMLText(url)
    fillUnivList(ulist, html)
    printUnivList(ulist,30)

main()

方式进阶:保存爬取数据

import requests
import re
from bs4 import BeautifulSoup
import bs4
import pandas as pd

try:
    r = requests.get("http://www.zuihaodaxue.com/zuihaodaxuepaiming2017.html")
    r.encoding = r.apparent_encoding
except:
    print("")
html = r.text

seq=[]
school=[]
province=[]
score=[]
soup = BeautifulSoup(html, "html.parser")
for tr in soup.find('tbody','hidden_zhpm').children:
    if isinstance(tr,bs4.element.Tag):
        tds = tr('td')
        school.append(tds[1].string)
        province.append(tds[2].string)
        score.append(tds[3].string)

u_info = pd.DataFrame([school,province,score]).T #爬取的列表信息整理成表格对象
u_info = u_info.rename(columns={0:'univ',1:'province',2:'score'}) #加表头
u_info.to_csv('univ_info.csv',index=False) #存储到【univ_info.csv】表格
  • 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