按照北京理工嵩天老师课程代码,一步步实现。
首先查看最好大学网是否存在robots:
在浏览器中修改网址为以下:
http://www.zuihaodaxue.com/robots.txt
查看结果:
可知不存在robots.txt文档
从最好大学网获取大学排名信息并存储
查看目标网页源代码,确认待存储项在网页代码中的结构:
一个学校信息是由一个<tr></tr>标签内存储的多个<td></td>标签信息。
代码如下:
import requests
from bs4 import BeautifulSoup
import bs4
# 从网络中获取大学排名网页内容
def getHTMLText(url):
try:
r = requests.get(url)
r.raise_for_status()
r.encoding = r.status_code
return r.text
except:
return ''
# 提取网页内容中信息到合适的数据结构
def fillUnivList(ulist, html):
soup = BeautifulSoup(html, 'html.parser')
# 解析html代码中tbody所在的位置
for tr in soup.find('tbody').children:
# 找到每所大学所在的tr标签
if isinstance(tr, bs4.element.Tag):
# 存储所有的td标签
tds = tr('td')
ulist.append([tds[0].string, tds[1].string, tds[3].string])
# 利用数据结构展示并输出结果
def printUnivList(ulist, num):
print("{:^10}\t{:^6}\t{:^10}\t".format("排名", "学校名称", "总分"))
for i in range (num):
u = ulist[I]
print("{:^10}\t{:^6}\t{:^10}\t".format(u[0],u[1],u[2]))
def main():
uinfo = []
url = 'http://www.zuihaodaxue.com/zuihaodaxuepaiming2019.html'
html = getHTMLText(url)
fillUnivList(uinfo, html)
printUnivList(uinfo, 20)
main()
运行结果如下:
输出结果对齐问题
format函数中英文长度不同导致中文对齐问题
(字符宽度不够选择英文字符来填充)
原代码:
print("{:^10}\t{:^6}\t{:^10}\t".format("排名", "学校名称", "总分"))
解决方法:
字符宽度不够选择参数中第四个参数(中文字符)来填充,
修改代码:
def printUnivList(ulist, num):
tplt = "{0:^10}\t{1:{3}^6}\t{2:^10}\t"
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)))
修改后的结果: