#定向爬虫,即指定URL #本实例为 中国好大学排名 定向爬虫 import requests from bs4 import BeautifulSoup import bs4 #从网络上获取大学排名网页的内容 def getHTMLText(url): try: r = requests.get(url,timeout = 30) r.raise_for_status() r.encoding = r.apparent_encoding return r.text except: return "" #提取网页内容中信息到合适的数据结构(列表) def fillUnivList(ulist,html): soup = BeautifulSoup(html,"html.parser") for tr in soup.find('tbody').children: #找到tbody标签并遍历它的子标签 if isinstance(tr,bs4.element.Tag): #过滤非标签字符并检测tr标签类型 tds = tr('td') #查找tr中所有的td标签并存为列表类型 ulist.append([tds[0].string,tds[1].string,tds[2].string]) #列表增加大学排名,名称,评分 的td标签 # pass #利用数据结构(列表)展示并输出结果 def printUnivList(ulist,num): tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}" #设定宽度,顺序 print(tplt.format("排名","学校名称","总分",chr(12288))) #定义并打印表头,采用中文字符空格填充chr(12288)
for i in range(num): u = ulist[i] print(tplt.format(u[0], u[1], u[2],chr(12288))) def main(): uinfo = [] url = "http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html" html = getHTMLText(url) #获取HTML代码 fillUnivList(uinfo, html) #将HTML代码放入uinfo变量 printUnivList(uinfo, 20) #打印前20所大学信息 main() #运行
Python爬虫学习笔记(实例:中国好大学排名定向爬虫)
最新推荐文章于 2021-01-15 18:21:18 发布