中国大学排名定向爬虫

Posted 2020-10-20 有雨敲窗2017

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：