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: