网络爬虫

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。