1.使用bs4爬取软科大排名,首先我们要使用到三个库文件,requests库、bs4和pymysql;
2.获取网页
#获取网页
def getHTMLText(url):#获取URL信息,输出内容
try:
r = requests.get(url,timeout = 30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return""
3.解析网页,在开发者模式中我们发现所有需要的信息都在tbody下面,所以我们先遍历tobody子节点,获取到我们想要的a、tr和td,再通过string方式找到想要的元素。
#解析网页
def parser(html):
soup = BeautifulSoup(html,"lxml")#将页面中的元素获取为一个soup对象
for tr in soup.find('tbody').children:
if isinstance(tr,bs4.element.Tag):#如果tr标签的类型不是bs4库中定义的tag类型,则过滤掉
a = tr('a')#将所有的tr标签存为一个列表类型
tds = tr('td')#将所有的td标签存为一个列表类型
ulist.append([
a[0].string.strip(),
tds[2].text.strip(),
tds[3].te