嵩天老師網絡爬蟲與信息提取課程學習筆記（二）

此文根據嵩天老師的視頻課程邊聽邊敲下來的代碼，模塊化代碼結構，將爬蟲實例的三個步驟用三個函數實現，思路清晰，爬蟲小白終於搞清楚指定URL爬取網頁內容的全過程了，感謝MOOC平臺，謝謝嵩老師的精細講解。

#中國大學排名爬蟲實例
#URL:http://www.zuihaodaxue.com/zuihaodaxuepaiming2019.html
#輸入：大學排名URL鏈接
#輸出：大學排名信息屏幕輸出。
#技術路線：requests-bs4
#定向爬蟲：僅對指定URL進行爬取
#程序的結構設計
#步驟1.從網絡上獲取大學排名網頁內容   getHTMLText()
#步驟2.提取網頁內容中信息到合適的數據 結構   fillUnivList()
#步驟3.利用數據結構展示並輸出結果    printUnivList()

import requests
from bs4 import BeautifulSoup
import bs4
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[3].string])
			

def printUnivList(ulist,num):
	print("{:^10}\t{:^6}\t{:^10}".format("排名","學校名稱","總分"))
	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.com/zuihaodaxuepaiming2019.html'
	html = getHTMLText(url)
	fillUnivList(uinfo,html)
	printUnivList(uinfo,20)

main()

運行效果時如下：