码迷,mamicode.com
首页 > 其他好文 > 详细

中国大学排名定向爬虫

时间:2018-01-13 12:48:36      阅读:139      评论:0      收藏:0      [点我收藏+]

标签:ret   port   form   main   图片   判断   类型   format   fill   

功能描述:
输入:大学排名URL链接
输出:大学排名信息的屏幕输出(排名,大学名称,总分)
技术路线:requests+bs4
定向爬虫:仅对输入URL进行爬取,不扩展爬取

程序的结构设计:
步骤1:从网络上获取大学排名网页内容
getHTMLText()
步骤2:提取网页内容中信息到合适的数据结构
fillUnivList
步骤3:利用数据结构展示并输出结果
printUnivList()

import requests
from bs4 import BeautifulSoup
import bs4
def getHTMLText(url):
    try:
        r = requests.get(url, timeout = 30)
        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:  # 遍历tbody子节点列表
        if isinstance(tr, bs4.element.Tag): # 判断两个类型是否相同
            tds = tr(td)  # 等价于tds = tr.find_all(‘td‘),返回一个列表
            uList.append([tds[0].string, tds[1].string, tds[3].string])
def printUnivList(uList, num):
    tplt = "{0:^10}\t{1:{3}^8}\t{2:10}"   # 解决中文字符对齐问题
    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)))
def main():
    uinfo = []
    url = http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html
    html = getHTMLText(url)
    fillUnivList(uinfo, html)
    printUnivList(uinfo, 10)
main()

输出:

技术分享图片

 

中国大学排名定向爬虫

标签:ret   port   form   main   图片   判断   类型   format   fill   

原文地址:https://www.cnblogs.com/zhang-anan/p/8278664.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!