实战：中国大学排名定向爬取

实战：中国大学排名定向爬取

• 爬取url：http://www.zuihaodaxue.cn/zuihaodaxuepaiming2019.html
• 爬取思路：
  1. 从网络上获取大学排名网页内容
  2. 提取网页内容中信息到合适的数据结构 (排名，学校名称，总分)
  3. 利用数据结构展示并输出结果

# 导入库
import requests
from bs4 import BeautifulSoup
import bs4

1. 定义获取大学排名的函数:

def getHTMLText(url):
    try:
        r = requests.get(url, timeout = 30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""

2. 提取网页信息:

def fillUnivList(ulist, html):
    soup = BeautifulSoup(html,'html.parser')
    for tr in soup.find('tbody').children:
        if isinstance(tr, bs4.element.Tag):#找tr标签
            tds = tr('td')
            ulist.append([tds[0].string, tds[1].string, tds[2].string])

3. 按格式打印结果：

def printUnivList(ulist, num):
    tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}"
    print(tplt.format("排名","学校名称","总分",chr(12288)))
    ## chr(12288):中文字符的空格填充
    for i in range(num):
        u=ulist[i]
        print(tplt.format(u[0],u[1],u[2],chr(12288)))
    print("Suc" + str(num))

uinfo = []
url = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2019.html'
html = getHTMLText(url) 
fillUnivList(uinfo, html)
printUnivList(uinfo, 20)