zoukankan      html  css  js  c++  java
  • 实战6 中国大学排名

     
     
    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()
     
     
    该网页不存在爬虫限制
     

     一个大学Html对应代码

     <tbody> <tr><td></td></tr> </tbody>

    format格式化输出

    “中国大学排名定向爬虫”实例编写 
     
    import requests
    from bs4 import BeautifulSoup
    import re
    import bs4
    def getHtmlText(url):
        try:
            kv = {'user-agent':'Mozilla/5.0'}
            r = requests.get(url,headers = kv ,timeout = 30)
            r.raise_for_status
            r.encoding = r.apparent_encoding
            return  r.text
        except:
                return ""
    def fillUniList(ulist,html):
         soup = BeautifulSoup(html,"html.parser")
         for tr in soup.find('tbody').children:
             if isinstance(tr,bs4.element.Tag):#是否为Tag
                 tds = tr('td')
                 ulist.append([tds[0].string,tds[1].string,tds[3].string])
    
    def printUniList(ulist,num):
        tplt = "{0:^10}	{1:{3}^10}	{2:^10}"#{3}用第3个:chr(12288)填充
        print(tplt.format("排名","学校名称","总分",chr(12288))) #中文空格填充
        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)
        #print(html[1000:2000])
        fillUniList(uinfo,html)
        printUniList(uinfo,15)
    main()

  • 相关阅读:
    Android10_内容提供者_内容观察者_标题栏
    Android08_广播接受者_服务
    Android09_远程服务_系统服务_aidl
    Android07_多界面_Activity生命周期
    Android06_getpost提交_文件上传_多线程下载
    Android_handler_网络请求_img框架
    Android开发04
    java 正则表达式验证邮箱
    postman 基本用法
    java 微信申请退款的开发
  • 原文地址:https://www.cnblogs.com/tingtin/p/12915928.html
Copyright © 2011-2022 走看看