嵩天老师网络爬虫与信息提取课程学习笔记（二）

此文根据嵩天老师的视频课程边听边敲下来的代码，模块化代码结构，将爬虫实例的三个步骤用三个函数实现，思路清晰，爬虫小白终于搞清楚指定URL爬取网页内容的全过程了，感谢MOOC平台，谢谢嵩老师的精细讲解。

#中国大学排名爬虫实例
#URL:http://www.zuihaodaxue.com/zuihaodaxuepaiming2019.html
#输入：大学排名URL链接
#输出：大学排名信息屏幕输出。
#技术路线：requests-bs4
#定向爬虫：仅对指定URL进行爬取
#程序的结构设计
#步骤1.从网络上获取大学排名网页内容   getHTMLText()
#步骤2.提取网页内容中信息到合适的数据 结构   fillUnivList()
#步骤3.利用数据结构展示并输出结果    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","学校名称","总分"))
	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()

运行效果时如下：