Python爬虫之BeautifulSoup库——爬取大学排名

这个实例解决了输出的中文对齐的问题

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')
            ulist.append([tds[0].string,tds[1].string,tds[3].string])

def printUnivList(ulist,num):
    tplt="{0:^10}\t{1:{3}^10}\t{2:^10}"
    # print("{:^10}\t{:^6}\t{:^10}".format("排名","学校名称","总分"))
    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)))

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

以下是对上面代码的一些改进,使其可以输出指定排名段的大学

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')
            ulist.append([tds[0].string,tds[1].string,tds[3].string])

def printUnivList(ulist,start,end):
    tplt="{0:^10}\t{1:{3}^10}\t{2:^10}"
    # print("{:^10}\t{:^6}\t{:^10}".format("排名","学校名称","总分"))
    print(tplt.format("排名", "学校名称", "总分",chr(12288)))
    for i in range(start-1,end):
        u=ulist[i]
        print(tplt.format(u[0],u[1],u[2],chr(12288)))

def main():
    uinfo=[]
    start=int(input('输入起始排名:'))
    end=int(input('输入最后排名:'))
    url="http://www.zuihaodaxue.com/zuihaodaxuepaiming2016.html"
    html=getHTMLText(url)
    fillUnivList(uinfo,html)
    printUnivList(uinfo,start,end)
main()


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python爬虫可以用于爬取链接和获取网页数据。使用Python爬虫框架Scrapy可以实现这一功能。在Scrapy中,可以定义一个爬虫类,并指定要爬取的起始URL。然后,在类的方法中可以使用相应的和工具来下载网页源代码,提取出其中的链接URL,并进行进一步的处理和匹配。 在示例代码中,我们使用了Python的requests来发送HTTP请求,获取网页的源代码。然后,使用BeautifulSoup来解析网页源代码,并提取出其中的链接URL。获取到的链接URL可以存储在一个列表中,或者写入到文件中。 例如,在一个示例代码中,我们使用了requestsBeautifulSoup爬取指定的链接URL,并将前10个链接URL存储在myLinks.txt文件中: ``` import requests as rq from bs4 import BeautifulSoup url = input("Enter Link: ") if ("https" or "http") in url: data = rq.get(url) else: data = rq.get("https://" + url) soup = BeautifulSoup(data.text, "html.parser") links = [] for link in soup.find_all("a"): links.append(link.get("href")) with open("myLinks.txt", 'a') as saved: print(links[:10], file=saved) ``` 这段代码首先通过输入获取一个链接URL,并使用requests发送HTTP请求,获取网页的源代码。然后,使用BeautifulSoup解析网页源代码,并使用find_all方法找到所有的<a>标签,从中提取出链接URL。最后,将前10个链接URL存储在myLinks.txt文件中。 以上是一个简单的示例,展示了如何使用Python爬虫框架Scrapy来爬取链接。你可以根据自己的需求进行进一步的定制和扩展。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [使用Python爬虫框架Scrapy来爬取网页数据.txt](https://download.csdn.net/download/weixin_44609920/88225579)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [使用Python爬取给定网页的所有链接(附完整代码)](https://blog.csdn.net/qq_44273429/article/details/130725692)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [python爬虫——链接爬虫](https://blog.csdn.net/weixin_45890771/article/details/120624517)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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