18 “中国大学排名定向爬虫”实例介绍

一、功能描述及程序设计

 

二、代码实现

 1 """中国大学排名定向爬虫实例介绍"""
 2 
 3 import requests
 4 from bs4 import BeautifulSoup
 5 import bs4
 6 
 7 
 8 def getHTMLTest(url):
 9 
10     try:
11         r = requests.get(url, timeout=30)
12         r.raise_for_status()
13         r.encoding = r.apparent_encoding
14         return r.text
15     except:
16         return "getHTMLTest错误"
17 
18 
19 def fillUnivList(ulist, html):
20 
21     soup = BeautifulSoup(html, "html.parser")
22     for tr in soup.find('tbody').children:
23         # 判断标签是否为bs4.element.Tag
24         if isinstance(tr, bs4.element.Tag):
25             tds = tr('td')
26             # 获得每一个td标签的string值
27             ulist.append([tds[0].string, tds[1].string, tds[2].string, tds[3].string])
28 
29 
30 def printUnivList(ulist, num):
31 
32     print("{:^10}\t{:^6}\t{:^10}\t{:^10}".format("排名", "学校名称", "省市", "总分"))
33     for i in range(num):
34         u = ulist[i]
35         print("{:^10}\t{:^6}\t{:^10}\t{:^10}".format(u[0], u[1], u[2], u[3]))
36 
37 
38 if __name__ == "__main__":
39     uinfo = []
40     url = "http://www.zuihaodaxue.cn/zuihaodaxuepaiming2016.html"
41     html = getHTMLTest(url)
42     fillUnivList(uinfo, html)
43     printUnivList(uinfo, 20)    # 20代表输出学校数

 

三、对输出函数优化

1、问题原因

2、解决方法：

填充时指定用中文字符进行填充，chr(12288)为中文空格

def printUnivList2(ulist, num):

    # 定义一个输出模板
    tplt = "{0:^10}\t{1:{4}^10}\t{2:^10}\t{3:^10}"      # {4}代表用第4个值填充
    print(tplt.format("排名", "学校名称", "省市", "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], u[3], chr(12288)))

 

posted @ 2020-06-05 20:42  udbful  阅读(225)  评论(0)  编辑  收藏  举报