抓取福布斯排行榜

问题：使用request库和BeautifulSoup抓取福布斯排行榜，并将其按照表格形式打印出来
网址：https://www.phb123.com/renwu/fuhao/20802.html
实现：

import requests
from bs4 import BeautifulSoup
import bs4

def getText(url):
    headers = {'user-agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.117 Safari/537.36'}
    try:
        r = requests.get(url, headers=headers, timeout = 30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return 'Scrapy Failed!'

def parserText(ulist, html):
    soup =  BeautifulSoup(html, 'html.parser')
    for tr in soup.find('tbody').children:
        if isinstance(tr, bs4.element.Tag):
            tds = tr('td')
            for i in range(6):
                if tds[i].string is None:
                    continue
            if tds[i].string is not None:
                ulist.append(
                    [tds[0].string, tds[1].string, tds[2].string, tds[3].string, tds[4].string, tds[5].string])
    return ulist

def printText(ulist, num=100):
    tplt = '{0:<4}{1:{6}^20}{2:{6}^8}{3:{6}^4}{4:{6}^20}{5:{6}^10}'
    print(tplt.format(ulist[0][0], ulist[0][1], ulist[0][2], ulist[0][3],ulist[0][4], ulist[0][5], chr(12288)))
    for i in range(1,num):
        u = ulist[i]
        print(tplt.format(u[0], u[1], u[2], u[3], u[4], u[5], chr(12288)))

def main():
    url = 'https://www.phb123.com/renwu/fuhao/20802.html'
    html = getText(url)
    #print(html)
    uinfo = []
    parserText(uinfo, html)
    printText(uinfo, num=502)
main()

运行以上代码，发现打印出来的格式并不是自己想要的格式。进行多次调试之后，发现问题出现在parserText(uinfo， html)函数中，将该函数返回的列表打印出来，即可发现问题所在：

[['\r\n\t\t\t\t排名', '\r\n\t\t\t\t中文名', '\r\n\t\t\t\t财富', '\r\n\t\t\t\t年龄', '\r\n\t\t\t\t财富来源', '\r\n\t\t\t\t国家'], ['\r\n\t\t\t\t1', '\r\n\t\t\t\t杰夫·贝索斯', '\r\n\t\t\t\t1284亿美元', '\r\n\t\t\t\t54', '\r\n\t\t\t\t亚马逊', '\r\n\t\t\t\t美国'], ['\r\n\t\t\t\t2', '\r\n\t\t\t\t比尔·盖茨', '\r\n\t\t\t\t915亿美元', '\r\n\t\t\t\t62', '\r\n\t\t\t\t微软', '\r\n\t\t\t\t美国'], ['\r\n\t\t\t\t3', '\r\n\t\t\t\t沃伦·巴菲特', '\r\n\t\t\t\t879亿美元', '\r\n\t\t\t\t87', '\r\n\t\t\t\t伯克希尔哈撒韦', '\r\n\t\t\t\t美国'], ['\r\n\t\t\t\t4', '\r\n\t\t\t\t伯纳德·阿诺特及家族', '\r\n\t\t\t\t764亿美元', '\r\n\t\t\t\t69', '\r\n\t\t\t\t路威酩轩', '\r\n\t\t\t\t法国'], ...

在列表中存在一些回车、换行等符号，在使用list[i][j]方式提取出来的元素时，会将此类符号自动转义，导致格式出现错乱。
遇到这个问题，我的第一想法就是将列表元素中符号去掉，然后在拼接成新的列表，这样提取元素时就不会出现问题。将列表元素中符号去掉可使用string.strip()方法，但是如何将列表元素再拼接成原始列表形式？在这一步我尝试了很多种方式都没有成功。到这里就卡住了。
回头再看看代码，在printText()函数中有提取每一个元素打印。既然如此，我何必要将元素中的特殊符号先去掉，然后再拼接成列表，再提取呢？直接在提取的时候将符号去掉不就可以了？
因此修改printText()函数代码：

def printText(ulist, num=100):
    tplt = '{0:<4}{1:{6}^20}{2:{6}^8}{3:{6}^4}{4:{6}^20}{5:{6}^10}'
    print(tplt.format(ulist[0][0].strip(), ulist[0][1].strip(), ulist[0][2].strip(), ulist[0][3].strip(),\
                          ulist[0][4].strip(), ulist[0][5].strip(), chr(12288)))
    for i in range(1,num):
        u = ulist[i]
        try:
            print(tplt.format(u[0].strip(), u[1].strip(), u[2].strip(), u[3].strip(), u[4].strip(), u[5].strip(), chr(12288)))
        except:
            continue

在这里仍是使用strip()方法。
同时，在打印元素时，还使用了try…except…语句块，之所以如此，是在原始网页中，有些元素并没有值，使用’-‘表示，NoneType类型自然没有strip()方法，要使用try…except忽略这种异常，并继续执行循环。
最终实现：

从这个例子中可以学习到，在编码时，并不一定只有一条路可以走，看起来“山重水复疑无路”，但稍微转变下思维，可能就“柳暗花明又一村”了。