中国大学排名定向爬虫
Posted 有雨敲窗2017
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了中国大学排名定向爬虫相关的知识,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()
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:
以上是关于中国大学排名定向爬虫的主要内容,如果未能解决你的问题,请参考以下文章