一、中国大学排名爬虫案例的步骤如下：
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()
实例代码
import requests
import bs4
from bs4 import BeautifulSoup
def getHTMLText(url):
'''从网络上获取大学排名网页内容'''
try:
r = requests.get(url, timeout=30)
# #如果状态不是200，就会引发HTTPError异常
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return ""
def fillUnivList(ulist, html):
'''提取网页内容中信息到合适的数据结构'''
soup = BeautifulSoup(html, "html.parser")
# 查找html中tbody标签的所有<tr>子标签
for tr in soup.find('tbody').children:
if isinstance(tr, bs4.element.Tag):
tds = tr('td')
# tds[0].string 是排名，tds[1].string 是学校名称，tds[3].string 是学校的总分
ulist.append([tds[0].string, tds[1].string, tds[3].string])
def printUnivList(ulist, num):
''' 打印前 num 名的大学'''
# {1:{3}^10} 中的 {3} 代表取第三个参数
tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}"
print(tplt.format("排名","学校名称","总分",chr(12288))) # chr(12288) 代表中文空格
for i in range(num):
u=ulist[i]
print(tplt.format(u[0],u[1],u[2],chr(12288))) # chr(12288) 代表中文空格
def main():
uinfo = []
url = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2019.html'
html = getHTMLText(url)# 获取大学排名网页内容
fillUnivList(uinfo, html)#提取网页内容中信息
printUnivList(uinfo, 20) #输出结果
main()
结果如下
神龙|纯净稳定代理IP免费测试>>>>>>>>天启|企业级代理IP免费测试>>>>>>>>IPIPGO|全球住宅代理IP免费测试
