网络爬虫实战：2019中国大学排名

SmiledrinkCat

于 2020-04-29 15:21:48 发布

阅读量676

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Python网络爬虫文章标签： python 安全 url 大数据

本文链接：https://blog.csdn.net/SmiledrinkCat/article/details/105840708

Python网络爬虫专栏收录该内容

5 篇文章

订阅专栏

本文介绍了一个使用Python的requests和BeautifulSoup库爬取指定网站大学排名信息的方法。通过定义函数获取网页内容，解析HTML并提取排名、学校名称和总分等信息，最后以表格形式展示前20名大学的数据。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

程序设计：

# -*- coding: UTF-8 -*-
import requests
from bs4 import BeautifulSoup
import bs4


# 从网络上获取大学排名网页内容
def getHTMLText(url):
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""


# 提取网页内容中信息到合适的数据结构
def fillUnivList(ulist, html):
    soup = BeautifulSoup(html, "html.parser")
    for tr in soup.find('tbody').children:
        # 过滤字符串
        if isinstance(tr, bs4.element.Tag):
            tds = tr('td')
            ulist.append([tds[0].string, tds[1].string, tds[3].string])


# 利用数据结构展示并输出结果
def printUnivList(ulist, num):
    tplt = "{0:{3}^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)))


if __name__ == '__main__':
    uinfo = []
    url = "http://www.zuihaodaxue.com/zuihaodaxuepaiming2019.html"
    html = getHTMLText(url)
    fillUnivList(uinfo, html)
    printUnivList(uinfo, 20)