实例:中国大学排名
html = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html'
功能说明
- 输入:url
- 输出:大学排名信息的屏幕输出(排名,大学名称,总分)
- 基数路线:requests-bs4
- 定向爬虫:仅对当前url进行爬取,不扩展爬取
程序的结构设计
- 获取网页内容
- 提取数据结构
- 展示数据结果
- getHTMLText()
- fillUnivList()
- printUnivList()
主程序
import requests
import bs4
from bs4 import BeautifulSoup
def 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[2].string])
pass
def printUnivList(ulist,num): # num 学校的个数 ; 格式化输出:format函数
print("{:^10}\t{:^6}\t{:^10}".format("排名","学校名称","总分"))
for i in range(num):
u=ulist[i]
print("{:^10}\t{:^6}\t{:^10}".format(u[0],u[1],u[2]))
print("Suc" + str(num))
def main():
uinfo = []
url = 'http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html'
html = getHTMLText(url)
fillUnivList(uinfo,html)
printUnivList(uinfo,20) # 20 univs
main()
优化
问题:
* 中英文不对齐:字符宽度不同
中文对其问题的解决
采用中文字符的空格填充chr(12288)
def printUnivList(uList,num):
tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}" #3指中文
print(tplt.format("排名","学校","分数",chr(12288)))
for i in range(num):
u=ulist[i]
print(tplt.format(u[0],u[1],u[2],chr(12288)))