爬取中国大学排行榜

功能实现

1.输入：大学排名url链接

2.输出：大学排行信息

所用到的库：BeaitifulSoup,requests

程序结构设计
步骤一：利用requests获取网页内容
步骤二：利用bs4提取网页内容信息到合适的数据结构
步骤三：在屏幕上打印出来

建立三个函数，将其分为三个模块。这样能够使代码更加清晰易读，维护方便。
函数一：getHTMLText（）- 获取网页内容
函数二：fillUnivList（）-获取网页大学信息到合适的数据结构
函数三：printUnivList（）-利用数据结构打印到屏幕上

下面是模板：

import requests
from bs4 import BeautifulSoup

def getHTMLText(url):    #获取网页内容
    return""

def fillUnivList(ulist,html):   #提取信息,ulist列表用于储存学校信息，html为getHTMLText返回值
    pass

def printUnivList(ulist,num):    #打印，num为要打印多少学校
    print()

def main():
    url="http://www.zuihaodaxue.com/zuihaodaxuepaiming2018.html"
    html=getHTMLText(url)
    ulist=[]
    fillUnivList(ulist,html)
    printUnivList(ulist,30) # 打印30所学校排名

main()

接下里就可以按照模板写入相应的代码

import requests
from bs4 import BeautifulSoup
import bs4

def getHTMLText(url):    #获取网页内容
    try:
        r = requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding=r.apparent_encoding
        return r.text
    except:
        return "获取内容失败。"

def fillUnivList(ulist,html):   #提取信息,ulist列表用于储存学校信息，html为getHTMLText返回值
    soup=BeautifulSoup(html,"html.parser")  #将getHTMLText获取的内容放到一锅汤里
    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):    #打印，num为要打印多少学校
    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]))


def main():
    url="http://www.zuihaodaxue.com/zuihaodaxuepaiming2018.html"
    html=getHTMLText(url)
    ulist=[]
    fillUnivList(ulist,html)
    printUnivList(ulist,30) # 打印30所学校排名

main()

运行截图

 

 代码缺陷

得到的结果排版不工整，于是修改函数printUnivList(ulist,num)，代码如下

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)))

运行截图

 

 这样就好看很多啦