Python定向爬取中国大学排名

发表于 | 分类于 | 阅读次数：

爬取中国大学排名官网的信息

1.利用requests.get()函数定向爬取网页，然后返回text，即html文件

2.利用BeautifulSoup(html, ‘html.parser’)对html进行解析

3.对tbody的后辈节点tr进行查找，并且要保证查找到的是标签类型的后备节点。并将tr标签中的td标签进行查找，并将信息添加到ulist列表中

4.对ulist列表进行格式化输出

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
import requests
from bs4 import BeautifulSoup
import bs4


def gettext(url):
    try:
        r = requests.get(url)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""


def addulist(html, ulist):
    soup = BeautifulSoup(html, 'html.parser')
    for tr in soup.find('tbody').children:
        if isinstance(tr,bs4.element.Tag):
            tds = tr('td')
            ulist.append([tds[0].string, tds[1].string, tds[2].string])


def printlist(ulist, num):
    tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}"
    print(tplt.format("排名", "大学", "分数",chr(12288)))
    for i in range(num):
        u = ulist[i]
        print(tplt.format(u[0], u[1], u[2],chr(12288)))


def main():
    ulist = []
    url = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html'
    html = gettext(url)
    addulist(html, ulist)
    printlist(ulist, 20)

if __name__ == "__main__":
    main()