第一个爬虫和测试

Posted Noraa

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了第一个爬虫和测试相关的知识,希望对你有一定的参考价值。

一、完赛球赛程序,测试球赛程序,所有函数的测试结果。

from random import random
def printIntro():   
    print(\'这个程序模拟两个队伍A和B的排球竞技比赛\')
    print(\'程序运行需要A和B的能力值(以0到1之间的小数表示)\')
def getInputs():   
    a = eval(input(\'请输入队伍A的能力值(0-1):\'))
    b = eval(input(\'请输入队伍B的能力值(0-1):\'))
    n = eval(input(\'模拟比赛场次:\'))
    return a, b, n
def simNGames(n, probA, probB):  
    winsA, winsB = 0, 0    
    for i in range(n):
        scoreA, scoreB=simOneGame(probA, probB)
        if scoreA==1:
            winsB+=1
            continue
        elif scoreA==3:
            winsA+=1
            continue
        scoreA, scoreB = simOneGame5(probA, probB)
        if scoreA > scoreB:
            winsA += 1
        else:
            winsB += 1
    return winsA, winsB
def simOneGame5(probA, probB):  
    scoreA, scoreB =0, 0
    serving = \'A\'
    while not gameOver5(scoreA, scoreB):
        if serving == \'A\':
            if random() > probA:
                scoreB += 1
                serving = \'B\'
            else:
                scoreA += 1
        else:
            if random() > probB:
                scoreA += 1
                serving = \'A\'
            else:
                scoreB += 1
    return scoreA, scoreB
def simOneGame(probA, probB):
    scoreA, scoreB = 0, 0
    for i in range(4):
        s1, s2=0, 0
        while not gameOver(s1, s2):
            if random()<probA:
                s1+=1
            elif random()<probB:
                s2+=1
        if s1>s2:
            scoreA+=1
        else:
            scoreB+=1
    return scoreA, scoreB
def gameOver5(c, d):    
    return (c>=15 and c-d>=2) or (d>=15 and d-c>=2)
def gameOver(scoreA, scoreB):
    return (scoreA>=25 and scoreA-scoreB>=2) or (scoreB>=25 and scoreB-scoreA>=2)
def printSummary(n,winsA, winsB):
    print("竞技分析开始,共模拟{}场比赛".format(n))
    print("选手A获胜{}场比赛,占比{:0.1%}".format(winsA, winsA/n))
    print("选手B获胜{}场比赛,占比{:0.1%}".format(winsB, winsB/n))
def main():
    printIntro()
    probA, probB,n= getInputs()
    winsA, winsB = simNGames(n, probA, probB)
    printSummary(n,winsA, winsB)
try:
    main()
except:
    print("error")

测试结果正常:

 

二、用requests库的get()函数访问Google主页20次,打印返回状态,text()内容,计算text()属性和content属性所返回网页内容长度。

import requests
wangye="http://www.google.cn/ig/"
def pac(wangye):
    print("",i+1,"次访问")
    r=requests.get(wangye,timeout=30)
    r.raise_for_status()
    print("text编码方式为",r.encoding)
    print("网络状态码为:",r.status_code)
    print("text属性长度:",len(r.text))
    print("content属性长度:",len(r.content))
    return r.text
for i in range(20):
    print(pac(wangye))

运行结果(截取第15-20次访问的数据):

第 15 次访问text编码方式为 ISO-8859-1网络状态码为: 200text属性长度: 1969content属性长度: 1969<!DOCTYPE html><html lang="zh">  <head>    <meta charset="utf-8">    <title>      Google    </title>    <style>html { background: #fff; margin: 0 1em; }    body { font: .8125em/1.5 arial, sans-serif; text-align: center; }    h1, #term { font-weight: normal; }    h1 { font-size: 1.5em; margin: 1em 0 0; }    p#footer { color: #767676; font-size: .77em; }    p#footer a { background: url(//www.google.cn/intl/zh-CN_cn/images/cn_icp.gif) top right no-repeat; padding: 5px 20px 5px 0; }    ul { margin: 2em; padding: 0; }    li { display: inline; padding: 0 2em; }    div { -moz-border-radius: 20px; -webkit-border-radius: 20px; border: 1px solid #ccc; border-radius: 20px; margin: 2em auto 1em; max-width: 650px; min-width: 544px; }    div#alt { height: 230px; padding: 70px 0 0; }    div:hover, div:hover * { cursor: pointer; }    div:hover { border-color: #999; }    div p { margin: .5em 0 1.5em; }    img { border: 0; }    #term { color: #900; }    </style>  </head>  <body>    <div id="main">      <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp">        <img src="//www.google.cn/landing/cnexp/google-search.png" alt="Google" width="586" height="257">      </a>      <h1>        <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp"><strong id=        "target">google.com.hk/ig</strong></a>      </h1>      <p>        请收藏我们的网址      </p>    </div>    <ul>      <li>        <a href="http://www.google.cn/shihui?sourceid=cnhp">æ—¶æƒ </a>      </li>      <li>        <a href="http://www.google.cn/music?sourceid=cnhp">音乐</a>      </li>      <li>        <a href="http://translate.google.cn/?sourceid=cnhp">翻译</a>      </li>    </ul>    <p id="footer">      © 2011 - <a href="http://www.miibeian.gov.cn/">ICP证合字B2-20070004号</a>  <script src=      "/intl/zh-CN_cn/landing/cnexp/view-china.js" nonce="Kh1v-DPSvd8ROq5xFn8Ctw"></script>    </p>  </body></html>
第 16 次访问text编码方式为 ISO-8859-1网络状态码为: 200text属性长度: 1969content属性长度: 1969<!DOCTYPE html><html lang="zh">  <head>    <meta charset="utf-8">    <title>      Google    </title>    <style>html { background: #fff; margin: 0 1em; }    body { font: .8125em/1.5 arial, sans-serif; text-align: center; }    h1, #term { font-weight: normal; }    h1 { font-size: 1.5em; margin: 1em 0 0; }    p#footer { color: #767676; font-size: .77em; }    p#footer a { background: url(//www.google.cn/intl/zh-CN_cn/images/cn_icp.gif) top right no-repeat; padding: 5px 20px 5px 0; }    ul { margin: 2em; padding: 0; }    li { display: inline; padding: 0 2em; }    div { -moz-border-radius: 20px; -webkit-border-radius: 20px; border: 1px solid #ccc; border-radius: 20px; margin: 2em auto 1em; max-width: 650px; min-width: 544px; }    div#alt { height: 230px; padding: 70px 0 0; }    div:hover, div:hover * { cursor: pointer; }    div:hover { border-color: #999; }    div p { margin: .5em 0 1.5em; }    img { border: 0; }    #term { color: #900; }    </style>  </head>  <body>    <div id="main">      <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp">        <img src="//www.google.cn/landing/cnexp/google-search.png" alt="Google" width="586" height="257">      </a>      <h1>        <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp"><strong id=        "target">google.com.hk/ig</strong></a>      </h1>      <p>        请收藏我们的网址      </p>    </div>    <ul>      <li>        <a href="http://www.google.cn/shihui?sourceid=cnhp">æ—¶æƒ </a>      </li>      <li>        <a href="http://www.google.cn/music?sourceid=cnhp">音乐</a>      </li>      <li>        <a href="http://translate.google.cn/?sourceid=cnhp">翻译</a>      </li>    </ul>    <p id="footer">      © 2011 - <a href="http://www.miibeian.gov.cn/">ICP证合字B2-20070004号</a>  <script src=      "/intl/zh-CN_cn/landing/cnexp/view-china.js" nonce="DapmUUce6LqwL7F8pBgYPQ"></script>    </p>  </body></html>
第 17 次访问text编码方式为 ISO-8859-1网络状态码为: 200text属性长度: 1969content属性长度: 1969<!DOCTYPE html><html lang="zh">  <head>    <meta charset="utf-8">    <title>      Google    </title>    <style>html { background: #fff; margin: 0 1em; }    body { font: .8125em/1.5 arial, sans-serif; text-align: center; }    h1, #term { font-weight: normal; }    h1 { font-size: 1.5em; margin: 1em 0 0; }    p#footer { color: #767676; font-size: .77em; }    p#footer a { background: url(//www.google.cn/intl/zh-CN_cn/images/cn_icp.gif) top right no-repeat; padding: 5px 20px 5px 0; }    ul { margin: 2em; padding: 0; }    li { display: inline; padding: 0 2em; }    div { -moz-border-radius: 20px; -webkit-border-radius: 20px; border: 1px solid #ccc; border-radius: 20px; margin: 2em auto 1em; max-width: 650px; min-width: 544px; }    div#alt { height: 230px; padding: 70px 0 0; }    div:hover, div:hover * { cursor: pointer; }    div:hover { border-color: #999; }    div p { margin: .5em 0 1.5em; }    img { border: 0; }    #term { color: #900; }    </style>  </head>  <body>    <div id="main">      <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp">        <img src="//www.google.cn/landing/cnexp/google-search.png" alt="Google" width="586" height="257">      </a>      <h1>        <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp"><strong id=        "target">google.com.hk/ig</strong></a>      </h1>      <p>        请收藏我们的网址      </p>    </div>    <ul>      <li>        <a href="http://www.google.cn/shihui?sourceid=cnhp">æ—¶æƒ </a>      </li>      <li>        <a href="http://www.google.cn/music?sourceid=cnhp">音乐</a>      </li>      <li>        <a href="http://translate.google.cn/?sourceid=cnhp">翻译</a>      </li>    </ul>    <p id="footer">      © 2011 - <a href="http://www.miibeian.gov.cn/">ICP证合字B2-20070004号</a>  <script src=      "/intl/zh-CN_cn/landing/cnexp/view-china.js" nonce="8eslxqeJlij3FeX1lImGSg"></script>    </p>  </body></html>
第 18 次访问text编码方式为 ISO-8859-1网络状态码为: 200text属性长度: 1969content属性长度: 1969<!DOCTYPE html><html lang="zh">  <head>    <meta charset="utf-8">    <title>      Google    </title>    <style>html { background: #fff; margin: 0 1em; }    body { font: .8125em/1.5 arial, sans-serif; text-align: center; }    h1, #term { font-weight: normal; }    h1 { font-size: 1.5em; margin: 1em 0 0; }    p#footer { color: #767676; font-size: .77em; }    p#footer a { background: url(//www.google.cn/intl/zh-CN_cn/images/cn_icp.gif) top right no-repeat; padding: 5px 20px 5px 0; }    ul { margin: 2em; padding: 0; }    li { display: inline; padding: 0 2em; }    div { -moz-border-radius: 20px; -webkit-border-radius: 20px; border: 1px solid #ccc; border-radius: 20px; margin: 2em auto 1em; max-width: 650px; min-width: 544px; }    div#alt { height: 230px; padding: 70px 0 0; }    div:hover, div:hover * { cursor: pointer; }    div:hover { border-color: #999; }    div p { margin: .5em 0 1.5em; }    img { border: 0; }    #term { color: #900; }    </style>  </head>  <body>    <div id="main">      <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp">        <img src="//www.google.cn/landing/cnexp/google-search.png" alt="Google" width="586" height="257">      </a>      <h1>        <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp"><strong id=        "target">google.com.hk/ig</strong></a>      </h1>      <p>        请收藏我们的网址      </p>    </div>    <ul>      <li>        <a href="http://www.google.cn/shihui?sourceid=cnhp">æ—¶æƒ </a>      </li>      <li>        <a href="http://www.google.cn/music?sourceid=cnhp">音乐</a>      </li>      <li>        <a href="http://translate.google.cn/?sourceid=cnhp">翻译</a>      </li>    </ul>    <p id="footer">      © 2011 - <a href="http://www.miibeian.gov.cn/">ICP证合字B2-20070004号</a>  <script src=      "/intl/zh-CN_cn/landing/cnexp/view-china.js" nonce="NGrucCzaq_oOvjFMG0cGsg"></script>    </p>  </body></html>
第 19 次访问text编码方式为 ISO-8859-1网络状态码为: 200text属性长度: 1969content属性长度: 1969<!DOCTYPE html><html lang="zh">  <head>    <meta charset="utf-8">    <title>      Google    </title>    <style>html { background: #fff; margin: 0 1em; }    body { font: .8125em/1.5 arial, sans-serif; text-align: center; }    h1, #term { font-weight: normal; }    h1 { font-size: 1.5em; margin: 1em 0 0; }    p#footer { color: #767676; font-size: .77em; }    p#footer a { background: url(//www.google.cn/intl/zh-CN_cn/images/cn_icp.gif) top right no-repeat; padding: 5px 20px 5px 0; }    ul { margin: 2em; padding: 0; }    li { display: inline; padding: 0 2em; }    div { -moz-border-radius: 20px; -webkit-border-radius: 20px; border: 1px solid #ccc; border-radius: 20px; margin: 2em auto 1em; max-width: 650px; min-width: 544px; }    div#alt { height: 230px; padding: 70px 0 0; }    div:hover, div:hover * { cursor: pointer; }    div:hover { border-color: #999; }    div p { margin: .5em 0 1.5em; }    img { border: 0; }    #term { color: #900; }    </style>  </head>  <body>    <div id="main">      <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp">        <img src="//www.google.cn/landing/cnexp/google-search.png" alt="Google" width="586" height="257">      </a>      <h1>        <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp"><strong id=        "target">google.com.hk/ig</strong></a>      </h1>      <p>        请收藏我们的网址      </p>    </div>    <ul>      <li>        <a href="http://www.google.cn/shihui?sourceid=cnhp">æ—¶æƒ </a>      </li>      <li>        <a href="http://www.google.cn/music?sourceid=cnhp">音乐</a>      </li>      <li>        <a href="http://translate.google.cn/?sourceid=cnhp">翻译</a>      </li>    </ul>    <p id="footer">      © 2011 - <a href="http://www.miibeian.gov.cn/">ICP证合字B2-20070004号</a>  <script src=      "/intl/zh-CN_cn/landing/cnexp/view-china.js" nonce="Msgjfwhw_UbV6x-vCUqjwg"></script>    </p>  </body></html>
第 20 次访问text编码方式为 ISO-8859-1网络状态码为: 200text属性长度: 1969content属性长度: 1969<!DOCTYPE html><html lang="zh">  <head>    <meta charset="utf-8">    <title>      Google    </title>    <style>html { background: #fff; margin: 0 1em; }    body { font: .8125em/1.5 arial, sans-serif; text-align: center; }    h1, #term { font-weight: normal; }    h1 { font-size: 1.5em; margin: 1em 0 0; }    p#footer { color: #767676; font-size: .77em; }    p#footer a { background: url(//www.google.cn/intl/zh-CN_cn/images/cn_icp.gif) top right no-repeat; padding: 5px 20px 5px 0; }    ul { margin: 2em; padding: 0; }    li { display: inline; padding: 0 2em; }    div { -moz-border-radius: 20px; -webkit-border-radius: 20px; border: 1px solid #ccc; border-radius: 20px; margin: 2em auto 1em; max-width: 650px; min-width: 544px; }    div#alt { height: 230px; padding: 70px 0 0; }    div:hover, div:hover * { cursor: pointer; }    div:hover { border-color: #999; }    div p { margin: .5em 0 1.5em; }    img { border: 0; }    #term { color: #900; }    </style>  </head>  <body>    <div id="main">      <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp">        <img src="//www.google.cn/landing/cnexp/google-search.png" alt="Google" width="586" height="257">      </a>      <h1>        <a href="http://www.google.com.hk/ig?hl=zh-CN&amp;sourceid=cnhp"><strong id=        "target">google.com.hk/ig</strong></a>      </h1>      <p>        请收藏我们的网址      </p>    </div>    <ul>      <li>        <a href="http://www.google.cn/shihui?sourceid=cnhp">æ—¶æƒ </a>      </li>      <li>        <a href="http://www.google.cn/music?sourceid=cnhp">音乐</a>      </li>      <li>        <a href="http://translate.google.cn/?sourceid=cnhp">翻译</a>      </li>    </ul>    <p id="footer">      © 2011 - <a href="http://www.miibeian.gov.cn/">ICP证合字B2-20070004号</a>  <script src=      "/intl/zh-CN_cn/landing/cnexp/view-china.js" nonce="y5rl9l2SmCo-NXB9zXfmdA"></script>    </p>  </body></html>

 

三、这是一个简单的html页面,请保持为字符串,完成后面的计算要求。

a.打印head标签内容和你的学号后两位

b 获取body标签内容

c 获取id为first的标签对象

d 获取并打印html页面中的中文字符

<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>菜鸟教程(runoob.com)</title>
</head>
<body>
         <hl>我的第一个标题学号25</hl>
         <p id="first">我的第一个段落。</p>
</body>
                  <table border="1">
          <tr>
                  <td>row 1, cell 1</td>
                  <td>row 1, cell 2</td>
         </tr>
         <tr>
                  <td>row 2, cell 1</td>
                  <td>row 2, cell 2</td>
         <tr>
</table>
</html>
html

完成计算要求:

from bs4 import BeautifulSoup
import re
soup=BeautifulSoup(\'\'\'<!DOCTYPE html>
                   <html1>
                   <head>
                   <meta charset="utf-8">
                   <title>菜鸟教程(runoob.com)</title>
                   </head>
                   <body>
                       <hl>我的第一标题</hl>
                       <p id="first">我的第一个段落。</p>
                   </body>
                           <table border="1">
                       <tr>
                           <td>row 1, cell 1</td>
                           <td>row 1, cell 2</td>
                       </tr>
                       <tr>
                           <td>row 2, cell 1</td>
                           <td>row 2, cell 2</td>
                       <tr>
                   </table>
                   </html>\'\'\')
print("打印head标签和我的学号")
print(soup.head,"我的学号:2019310143126") 
print("获取body标签内容",soup.body) 
print("获取id为first的标签对象",soup.find_all(id="first")) 
st=soup.text
pp = re.findall(u\'[\\u1100-\\uFFFDh]+?\',st)
print("获取并打印html页面中的中文字符")
print(pp)

运行结果:

 

四、爬中国大学排名网站内容

  爬取2017年大学排名

(一)提取:

import requests
from bs4 import BeautifulSoup
allUniv=[]
def getHTMLText(url):
    try:
        r=requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding=\'utf-8\'
        return r.text
    except:
        return ""

def fillUnivList(soup):
    data = soup.find_all(\'tr\')
    for tr in data:
        ltd=tr.find_all(\'td\')
        if len(ltd)==0:
            continue
        singleUniv=[]
        for td in ltd:
            singleUniv.append(td.string)
        allUniv.append(singleUniv)
def printUnivList(num):
    print("{:^4}{:^10}{:^5}{:^8}{:^10}".format("排名","学校名称","省市","总分","培养规模"))
    for i in range(num):
        u=allUniv[i]
        print("{:^4}{:^10}{:^5}{:^8}{:^10}".format(u[0],u[1],u[2],u[3],u[6]))
def main(num):
    url=\'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2017.html\'
    html=getHTMLText(url)
    soup=BeautifulSoup(html,"html.parser")
    fillUnivList(soup)
    printUnivList(num)
main(10)

(二)提取所有数据并将结果存为csv文件:

import csv
import os
import requests
from bs4 import BeautifulSoup
allUniv = []
def getHTMLText(url):
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status()
        r.encoding = \'utf-8\'
        return r.text
    except:
        return ""
def fillUnivList(soup):
    data = soup.find_all(\'tr\')
    for tr in data:
        ltd = tr.find_all(\'td\')
        if len(ltd)==0:
            continue
        singleUniv = []
        for td in ltd:
            singleUniv.append(td.string)
        allUniv.append(singleUniv)
def writercsv(save_road,num,title):
    if os.path.isfile(save_road):
        with open(save_road,\'a\',newline=\'\')as f:
            csv_write=csv.writer(f,dialect=\'excel\')
            for i in range(num):
                u=allUniv[i]
                csv_write.writerow(u)
    else:
         with open(save_road,\'w\',newline=\'\')as f:
            csv_write=csv.writer(f,dialect=\'excel\')
            csv_write.writerow(title)
            for i in range(num):
                u=allUniv[i]
                csv_write.writerow(u)
 
title=["排名","学校名称","省市","总分","生源质量","培养结果","科研规模","科研质量","顶尖成果","顶尖人才","科技服务","产学研究合作","成果转化"]
save_road="e:/test1.csv"
def main():
    url = \'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2017.html\'
    html = getHTMLText(url)
    soup = BeautifulSoup(html, "html.parser")
    fillUnivList(soup)
    writercsv(save_road,10,title)
main()

运行结果:

以上是关于第一个爬虫和测试的主要内容,如果未能解决你的问题,请参考以下文章

第一个爬虫和测试

第一个爬虫和测试

第一个爬虫和测试

Python练习册 第 0013 题: 用 Python 写一个爬图片的程序,爬 这个链接里的日本妹子图片 :-),(http://tieba.baidu.com/p/2166231880)(代码片段

第一个爬虫与测试

第一个爬虫与测试