2024中国大学排名爬取

在pycharm中编写如下代码:

import requests
from bs4 import BeautifulSoup
import bs4
import re
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 remove_spaces_re1(string):
    return re.sub(r"\s+","",string)

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')
            name = tds[1]('div')[2]('a')[0].string
            rank = (str)(tds[0].string)
            score = (str)(tds[4].string)
            ulist.append([remove_spaces_re1(rank),remove_spaces_re1(name),remove_spaces_re1(score)])


def printUnivList(ulist,num):
    print("{:^20}\t{:^16}\t{:^20}".format("排名","学校名称","总分"))
    for i in range(num):
        u = ulist[i]
        print("{:^20}\t{:^16}\t{:^20}".format(u[0],u[1],u[2]))


if __name__ == '__main__':
    uinfo = []
    url = "https://www.shanghairanking.cn/rankings/bcur/2024"
    html = getHTMLText(url)
    fillUnivList(uinfo,html)
    printUnivList(uinfo,20)

运行结果:

在这里插入图片描述
优化:
由于打印了中文,系统默认采用西文字符填充,我们可以自己采用中文字符填充,这里采用中文字符的空格填充chr(12288)

修改printUnivList函数

def printUnivList(ulist,num):
    tplt = "{0:^20}\t{1:{3}^20}\t{2:^20}"
    print(tplt.format("排名","学校名称","总分",chr(12288)))
    for i in range(num):
        u = ulist[i]
        print(tplt.format(u[0],u[1],u[2],chr(12288)))

运行结果:
在这里插入图片描述

### Python爬虫抓取2024年大学排名的实现 以下是一个基于Python编写的简单爬虫程序,用于抓取2024年的大学排名数据。此代码假设目标网站提供了一个结构化的HTML页面,其中包含了大学称及其对应的排名。 #### 依赖库安装 为了运行该脚本,需先安装`requests`和`BeautifulSoup`这两个常用的网络请求与解析工具包。 ```bash pip install requests beautifulsoup4 ``` #### 完整代码示例 以下是完整的Python爬虫代码: ```python import requests from bs4 import BeautifulSoup def fetch_university_rankings(url): headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36' } response = requests.get(url, headers=headers) if response.status_code != 200: raise Exception(f"Failed to load page {url}, status code: {response.status_code}") soup = BeautifulSoup(response.text, 'html.parser') rankings = [] # 假设排名信息存储在一个表格中,表头为<th>Rank</th><th>Name</th> table = soup.find('table', {'class': 'ranking-table'}) rows = table.find_all('tr') if table else [] for row in rows[1:]: cols = row.find_all('td') rank = cols[0].text.strip() name = cols[1].text.strip() rankings.append({'rank': rank, 'name': name}) return rankings if __name__ == "__main__": url = "https://example.com/university-rankings-2024" try: university_data = fetch_university_rankings(url) for uni in university_data[:10]: print(f"{uni['rank']}: {uni['name']}") # 输出10所大学的信息 except Exception as e: print(e) ``` 上述代码实现了通过指定URL获取解析大学排名的功能[^1]。需要注意的是,在实际应用中应替换掉示例中的链接地址`https://example.com/university-rankings-2024`为目标真实站点路径。 #### 关键点说明 - **headers设置**:模拟浏览器访问行为可以有效规避部分反爬机制。 - **异常处理**:当网页加载失败或者找不到特定标签时会抛出错误提示。 - **数据提取逻辑**:依据HTML文档内的具体布局调整`soup.find()`方法参数以及字段索引位置。 #### 注意事项 在开发此类应用程序之,请务必阅读目标网站的服务条款,确认其允许自动化采集操作;另外也要尊重robots.txt文件设定限制区域。 ---
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

打赏作者

EmoGP

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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