爬虫 中国大学排名

Posted tingtin

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了爬虫 中国大学排名相关的知识,希望对你有一定的参考价值。

 
 
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()
 
 
该网页不存在爬虫限制
 
技术图片

 

 一个大学Html对应代码

技术图片

 

 

 <tbody> <tr><td></td></tr> </tbody>

format格式化输出

技术图片

 

技术图片

 

 

“中国大学排名定向爬虫”实例编写 
 
import requests
from bs4 import BeautifulSoup
import re
import bs4
def getHtmlText(url):
    try:
        kv = {‘user-agent‘:‘Mozilla/5.0‘}
        r = requests.get(url,headers = kv ,timeout = 30)
        r.raise_for_status
        r.encoding = r.apparent_encoding
        return  r.text
    except:
            return ""
def fillUniList(ulist,html):
     soup = BeautifulSoup(html,"html.parser")
     for tr in soup.find(‘tbody‘).children:
         if isinstance(tr,bs4.element.Tag):#是否为Tag
             tds = tr(‘td‘)
             ulist.append([tds[0].string,tds[1].string,tds[3].string])

def printUniList(ulist,num):
    tplt = "{0:^10}	{1:{3}^10}	{2:^10}"#{3}用第3个:chr(12288)填充
    print(tplt.format("排名","学校名称","总分",chr(12288))) #中文空格填充
    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)
    #print(html[1000:2000])
    fillUniList(uinfo,html)
    printUniList(uinfo,15)
main()

技术图片

 

 

以上是关于爬虫 中国大学排名的主要内容,如果未能解决你的问题,请参考以下文章

中国大学排名爬虫

中国大学排名爬虫

Pyhton爬虫中国大学排名爬虫

(参考)爬虫5-爬取中国大学排名情况

网络爬虫的提取爬虫实例

爬虫“中国大学排名定向爬虫”实例