丑憨批的爬虫笔记6实例

0.中国大学排名定向爬虫

http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html

可行性：
http://www.zuihaodaxue.cn/robots.txt
数据在Html里




出错的原因+函数名写错了

import requests
from bs4 import BeautifulSoup
import bs4  # if isinstance(tr,bs4.element.Tag):#不是标签的都不执行：
def getHTMLText(url):#将url信息爬取下来
    try:
        r=requests.get(url,timeout=300)
        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):#不是标签的都不执行：
            tds = tr('td')#相当于tr.find_all('td')
            ulist.append([tds[0].string,tds[1].string,tds[2].string],tds[3].string)
            #tds[0]是这样的<td><div align="left">清华大学</div></td> tds[1]是这样的<td>北京市</td>
            #tds[2]是这样的<td>95.9</td>
            #插入列表中
    

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","总分"))
    for i in range(num):
        u=ulist[i]
        #print("{:^10}\t{:^6}\t{:^10}".format(u[0],u[1],u[2]))
        print(tplt.format(u[0],u[1],u[2],chr(12288))
    print("suc"+str(num))


def main():
    uinfo = []#大学信息放在列表中
    url = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html'
    html=getHTMLText(url)
    fillUnivList(uinfo,html)
    printUnivList(uinfo, 20)  # 第二个参数为显示信息个数

# def  main():
#     uinfo=[]
#     url='http://www.zuihaodaxue.cn/zuihaodaxuepaiming2018.html'
#     html=getHTMLText(url)
#     fillUnivList(uinfo, html)
#     printUnivList(uinfo, 20)  # 20 表示取前20所大学

main()

summary