import requests from bs4 import BeautifulSoup import bs4 #Tag类型判断是需要用到这里的库 def getHTMLText(url): try: r = requests.get(url,timeout = 30) r.raise_for_status() r.encoding = r.apparent_encoding return r.text except: return '产生异常' def fillUnivList(ulist, html): soup = BeautifulSoup(html,'html.parser') for tr in soup.find('tbody').children: #所有的排名信息包含在这个tbody的标签中 if isinstance(tr, bs4.element.Tag): #每个大学的排名信息单独一个独立的tr标签中,它是tbody标签的子标签 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}' #{3},代表用format的第四个变量填充没用完的位置 即chr(12288) print(tplt.format('排名','学校名称','分数',chr(12288))) for i in range(num): #ulist是一个二维数组 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) num = 20 printUnivList(uinfo, num) main()
requests库和bs4库共同作用。结构形式:获取网页内容——解析网页并提取信息——输出信息