案例：中国大学排名定向爬虫



输入：URL

输出：（排名、大学名称...）

技术路线：requests-bs4

定向爬虫：仅仅对输入URL进行爬取，不扩展爬取；




#/usr/bin/env.python
# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup
import bs4
import sys
reload(sys)
sys.setdefaultencoding('utf-8')
#1、获取网页信息
def getHTMLText(url):
    try:
        r = requests.get(url,timeout=30)
        r.raise_for_status()
        r.encoding = r.apparent_encoding
        return r.text
    except:
        return ""
#2、提取信息到合适的数据结构
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[2].string])
#3、利用数据结构展示并输出结果
def printUnivList(ulist,num):
    print "{:^10}\t{:^10}\t{:^10}".format("排名","学校","总分")
   # tplt = "{0:^10}\t{1:{3}^10}\t{2:^10}"  # {1:{3}^10} 1表示位置，{3}表示用第3个参数来填充，^表示居中，10表示占10个位置
   #  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))
        print "{:^10}\t{:^6}\t{:^10}".format(u[0],u[1],u[2])
#主函数
if __name__=="__main__":
    uinfo = []
    url = "http://www.zuihaodaxue.com/shengyuanzhiliangpaiming2016.html"
    html = getHTMLText(url)
    fillUnivList(uinfo, html)
    printUnivList(uinfo,20)

结果：

Python网络爬虫《五》_数据结构


                                                     

Python网络爬虫《五》_html_02


                                                               程序输出


补充知识：

3、代码规范：https://www.python.org/dev/peps/pep-0008/