Python爬虫从html里爬取中国大学排名

Posted 2020-11-03 想成为黑客

from bs4 import BeautifulSoup
import requests
import bs4      #bs4.element.Tag时用的上
#获取网页页面HTML
def getHTMLText(url):
    try:
        r = requests.request("get", url,timeout=30)
        r.raise_for_status()    #如不是200报错
        r.encoding = r.apparent_encoding    #猜测编码然后赋予给解码 编码模式
        demo = r.text
        soup = BeautifulSoup(demo, "html.parser")   #做汤
        return soup
    except:
        return ""
#分析并返回列表
def fillUnivList(ulist,html):
    soup = html
    for tr in soup.find("tbody").children:  #从汤里找tbody标签的儿子遍历
        if isinstance(tr,bs4.element.Tag):  #如果标签是标签名字
            tds = tr("td")  #寻找tr里所有td列表，然后赋予tds
            ulist.append([tds[0].string,tds[1].string,tds[3].string])   #加入013号
    pass    #？？？
#打印表格
def printUnivList(ulist,num):
    tplt = "{0:^10}\t{1:{3}^8}\t{2:^10}"    #模板
    print(tplt.format("排名","学校名称","总分",chr(12288))) #3号中文空格
    for i in range(num):
        u = ulist[i]    #列表中的0是一个拥有三个元素的列表
        print(tplt.format(u[0], u[1], u[2],chr(12288))) #拥有三个元素的列表按模板打印

    print("Suc" + str(num))
#主函数
def main():
    uinfo = []  #创建一个列表
    url = "http://www.zuihaodaxue.com/zuihaodaxuepaiming2016.html"
    html = getHTMLText(url)
    fillUnivList(uinfo,html)
    printUnivList(uinfo,20) #打印20个大学

main()