代码里面进行了详细的注释,这里不再一一说明
代码实现:
#!/usr/bin/env python
# -*- coding: utf-8 -*-
# @Time : 2020/11/18 8:21
# @Author : huni
# @File : 大学排名.py
# @Software: PyCharm
import requests
from lxml import etree
import sqlite3
#获取数据解析数据,因为爬取的量不大所以就写在一个函数中
def getData(url):
headers = {
'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.183 Safari/537.36'
}
page_text = requests.get(url=url,headers=headers)
print(page_text.status_code)
#解决爬取过程中编码解码问题 下面两种方式都适用
r = page_text.text.encode('ISO-8859-1').decode(requests.utils.get_encodings_from_content(page_text.text)[0])
# page_text1 = page_text.text.encode('ISO-8859-1', 'ignore')
#
tree = etree.HTML(r)
tr_list = tree.xpath('//*[@id="content-box"]/div[2]/table/tbody/tr')
#用于保存所有的信息的列表
all_info_list = []
#遍历所有的排名信息
for tr in tr_list:
#遍历所有的排名数量
for i in range(len(tr_list) + 1):
#每个大学信息保存在单独的列表中
i = []
rank = tr.xpath('./td[1]/text()')[0] #大学排名
name = tr.xpath('./td[2]/a/text()')[0] #大学名称
situ = tr.xpath('./td[3]/text()')[0] #地理位置
type = tr.xpath('./td[4]/text()')[0] #办学类型
scor = tr.xpath('./td[5]/text()')[0] #学校评分
##每个大学信息保存在单独的列表中
i.append(rank)
i.append(name)
i.append(situ)
i.append(type)
i.append(scor)
#再把每个大学的信息都存放下大列表中
all_info_list.append(i)
return all_info_list
#数据保存到数据库
def saveDatadb(dbpath,all_info_list):
init_db(dbpath)
conn = sqlite3.connect(dbpath)
cur = conn.cursor()
for data in all_info_list:
for index in range(len(data)):
data[index] = '"'+data[index]+'"'
sql = '''
insert into rankings (
rank,cname,situ,types,score)
values(%s)'''%",".join(data)
# print(sql)
cur.execute(sql)
conn.commit()
cur.close()
conn.close()
#初始化数据库,创建表
def init_db(dbpath):
sql = '''
create table rankings
(
id integer primary key autoincrement,
rank numeric ,
cname varchar ,
situ varchar,
types varchar,
score numeric
)
''' # 创建数据表
conn = sqlite3.connect(dbpath)
cursor = conn.cursor()
cursor.execute(sql)
conn.commit()
conn.close()
def main():
url = 'http://www.shanghairanking.cn/rankings/bcur/2020'
all_info_list = getData(url)
dbpath = '大学排名.db'
saveDatadb(dbpath,all_info_list)
if __name__ == '__main__':
main()
print('保存成功')
运行结果:
注意:如果pycharm里面数据库显示不全,红色箭头处显示全部行即可