原创 Python爬虫学习笔记(5)——爬取中国大学排名信息

2017-11-9 15:18 2008 15 15 分类: 软件与OS

(一)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,大学名字,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()


(二)代码实现

import requests
import bs4
from bs4 import BeautifulSoup

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:
if isinstance(tr,bs4.element.Tag):
tds = tr('td')
ulist.append([tds[0].string,tds[1].string,tds[2].string])

def printUnivList(ulist,num):
print("{:^10}\t{:^6}\t{:^10}".format("排名","学校名字","所在地"))
for i in range(num):
u = ulist
print("{:^10}\t{:^6}\t{:^10}".format(u[0],u[1],u[2]))

def main():
uinfo = []
url = "http://www.zuihaodaxue.com/zuihaodaxuepaiming2016.html"
html = getHTMLText(url)
fillUnivList(uinfo,html)
printUnivList(uinfo,20)

main()



输出效果



(三)中文对齐的原因


当中文字符宽度不够时,采用西文字符填充;中西文字符占用的宽度不同。

采用中文字符的空格填充chr(12288)



文章评论0条评论)

登录后参与讨论
EE直播间
更多
我要评论
0
15
关闭 站长推荐上一条 /5 下一条