北京理工大学-Python网络爬虫与信息提取学习笔记06

最新推荐文章于 2023-11-25 12:36:26 发布

原创最新推荐文章于 2023-11-25 12:36:26 发布 · 306 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python

本文介绍了一款用于抓取中国大学排名信息的Python爬虫程序。通过使用requests和BeautifulSoup库，爬虫能从指定网页获取大学排名、学校名称及总分等详细数据，并以表格形式展示前20所大学的排名情况。文章提供了完整的代码示例，适合初学者学习网络数据抓取技术。

中国大学排名定向爬虫

观察网站源代码

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 fillUnibList(ulist,html):
    soup=BeautifulSoup(html,'html.parser')
    print(soup.find_all(string='扬州'))
    for tr in soup.find('tbody').children:
        if isinstance(tr,bs4.element.Tag):   #检测tr类型，不在定义中就过滤掉
            tds=tr('td')
            ulist.append([tds[0].string,tds[1].string,tds[3].string])

def printUnibList(ulist,num):  #num为列出学校的数量
    tplt="{0:^10}\t{1:{3}^10}\t{2:^10}"
    print(tplt.format('排名','学校名称','总分',chr(12288)))  #che(12288)为中文空格
    for i in range(num):
        u=ulist[i]
        print(tpl.format(u[0],u[1],u[2],chr(12288)))

def main():
    uinfo=[]
    url='http://www.zuihaodaxue.cn/zuihaodaxuepaiming2019.html'
    html=getHTMLText(url)
    fillUnibList(uinfo,html)
    printUnibList(uinfo,20)

main()