中国大学排名定向爬虫(实例1)
来源:互联网 发布:wow.js是用来做什么的 编辑:程序博客网 时间:2024/04/30 08:55
中国大学排名定向爬虫:
(1) 爬取网址:http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html
(2) 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()
def getHTMLText(url): try: r = requests.get(url, timeout=30) r.raise_for_status() r.encoding = r.apparent_encoding return r.text except: return ""
步骤2:提取网页内容中信息到合适的数据结构 fillUnivList()
def fillUnivList(ulist, html): soup = BeautifulSoup(html, "html.parser") for tr in soup.find('tbody').children: if isinstance(tr, bs4.element.Tag): #判断是否是标签类型,如果不是过滤掉 tds = tr('td') ulist.append([tds[0].string, tds[1].string, tds[3].string])
步骤3:利用数据结构展示并输出结果 printUnivList()
def printUnivList(ulist, num): # 格式化输出 tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}"
#中英文混合输出解决方法 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)))
(3) 整体代码:
# CrawUnivRankingB.pyimport requestsfrom bs4 import BeautifulSoupimport bs4def 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: if isinstance(tr, bs4.element.Tag): tds = tr('td') ulist.append([tds[0].string, tds[1].string, tds[3].string])def printUnivList(ulist, num): tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}" 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, 20) # 20 univsmain()
(4) 爬取结果:
排名 学校名称 总分
1 清华大学 95.9
2 北京大学 82.6
3 浙江大学 80
4 上海交通大学 78.7
5 复旦大学 70.9
6 南京大学 66.1
7 中国科学技术大学 65.5
8 哈尔滨工业大学 63.5
9 华中科技大学 62.9
10 中山大学 62.1
11 东南大学 61.4
12 天津大学 60.8
13 同济大学 59.8
14 北京航空航天大学 59.6
15 四川大学 59.4
16 武汉大学 59.1
17 西安交通大学 58.9
18 南开大学 58.3
19 大连理工大学 56.9
20 山东大学 56.3
本文参考:中国大学mooc 北京理工大学 Python网络爬虫与信息提取 课程
链接:http://www.icourse163.org/learn/BIT-1001870001?tid=1001962001#/learn/content?type=detail&id=1002703035&cid=1003101004&replay=true
- 中国大学排名定向爬虫(实例1)
- Python3.6——"中国大学排名定向爬虫"实例介绍
- python爬虫定向爬取中国大学排名
- Python网络爬虫与信息提取-Day10-(实例)中国大学排名定向爬虫
- 定向爬虫:中国大学排名定向爬虫(一)
- 中国大学排名定向爬取实例
- 爬虫实例(中国大学排名前10)
- python爬虫由浅入深7--基于中国大学排名的定向爬虫
- requests‐bs4路线实现中国大学排名定向爬虫
- python爬虫学习 之 定向爬取 中国大学排名
- 爬虫实例(二)——中国大学排名爬虫
- 中国大学排名爬虫
- Python爬虫实战:2017中国最好大学排名
- [笔记]python网络爬虫:一个简单的定向爬取大学排名信息示例
- 爬取中国大学排名
- Pyhton网络爬虫——定向爬虫实例
- 爬虫实例(三)——股票数据定向爬虫
- python3.x爬虫:爬取大学排名数据
- Combinatorics——HDUOJ 1492
- 软件工程(C编码实践篇)课程总结
- 踟躇之后的明朗
- Leetcode 算法题11
- windows server2008 、windows 7 防火墙日志配置及查看
- 中国大学排名定向爬虫(实例1)
- L1-035. 情人节
- Code Review简单总结
- 如何在vue脚手架里面使用echarts 组件显示中国地图---亲测
- WebSocket数据包协议详解
- 像我这样的人
- webpack项目提示Invalid Host header
- checkbox全选失败(第三次全选)
- linux下安装tomcat