最近在学习网络爬虫,使用网络爬虫获取大学排名。
其中使用到requests库,bs4库。
import requests
from bs4 import BeautifulSoup
import bs4 #因为下面有引用bs4中的一个类bs4.element.Tag
def getHTMLText(url):
try:
r = requests.get(url)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return "网页连接失败"
def fillUnivList(ulist,html):
soup = BeautifulSoup(html,'html.parser')
for tr in soup.find('tbody').children:
if isinstance(tr,bs4.element.Tag): #因为tbody的子孙中有非Tag类型,我们只需要Tag类型 isinstance 用法:https://www.runoob.com/python/python-func-isinstance.html
tds = tr('td') #<<==>>tds = tr.find_all('td')
ulist.append([tds[0].string,tds[1].string,tds[3].string])
def printUnivList(ulist,num):
print('{:^10}\t{:^6}\t{:^10}'.format('排名','学校名称','总分')) #format 用法:http://www.runoob.com/python/att-string-format.html
for i in range(num):
u = ulist[i]
print('{:^10}\t{:^6}\t{:^10}'.format(u[0],u[1],u[2]))
def main():
uinfo = []
url = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2019.html'
html = getHTMLText(url)
fillUnivList(uinfo,html)
printUnivList(uinfo,20)
main()
由于中文跟英文字符对空间占用的宽度是不同的,所以打印出来结果会出现中文并没有对其的情况。
我们可以使用中文字符的空格进行填充:chr(12288)
def printUnivList(ulist,num):
tplt = '{0:{3}^10}\t{1:{3}^10}\t{2:{3}^10}' #输出模板的变量
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)))
模板中‘:’前的1,2,3是参数的序号,此处可省略。
模板中的{3}的位置是“使用什么来填充”的位置,这里就表示使用format中编号为3的参数,也就是chr(12288)–中文空格进行填充。
至此,输出的信息就变得易读。