“中国最好大学定向爬取”实例
定向爬虫：仅对输入的URL进行爬取，不扩展爬取
三个模块：
1、 从网页上获取大学排名网页内容 getHTMLText()
2、 提取网页内容的信息到合适的数据结构中 fillUnivList()
3、 立用数据结构展示并输出结果 printUnivList()
两个要点：
1、requests-bs4进行定向爬虫
2、打印中的 中英文混排 中文字符的空格填充 chr(12288)
import requests
from bs4 import BeautifulSoup
import bs4
## 爬取网页内容
def getHTMLText(url):
try:
r = requests.get(url,timeout=30)
r.raise_for_status()
r.encoding = r.apparent_encoding
return r.text
except:
return ‘‘
## 将网页内容存储到列表中
def fillUnivList(ulist,html):
soup = BeautifulSoup(html,‘html.parser‘)
for tr in soup.find(‘tbody‘).children: ##查找页面中的‘tbody’标签，并遍历其孩子
if isinstance(tr,bs4.element.Tag): ##判断‘tr’是否为 bs4库中定义的‘Tag’类型
tds = tr(‘td‘) ## 查找 ‘td’ 标签
ulist.append([tds[0].string, tds[1].string, tds[3].string])
## 打印列表
## 中文对齐 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}‘
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)))
def main():
uinfo = []
url = ‘http://www.zuihaodaxue.com/zuihaodaxuepaiming2019.html‘
html = getHTMLText(url)
fillUnivList(uinfo,html)
printUnivList(uinfo,20)
main()
原文：https://www.cnblogs.com/motoharu/p/12335512.html