其他分享
首页 > 其他分享> > 初学爬虫之访问goole网页与爬取中国大学排名。

初学爬虫之访问goole网页与爬取中国大学排名。

作者:互联网

Requests库get()函数访问google网页20次。

1.Requests模块介绍:

Requests 是使用 Apache2 Licensed 许可证的 HTTP 库。用 Python 编写,真正的为人类着想。

Python 标准库中的 urllib2 模块提供了你所需要的大多数 HTTP 功能,但是它的 API 太渣了。它是为另一个时代、另一个互联网所创建的。它需要巨量的工作,甚至包括各种方法覆盖,来完成最简单的任务。

在Python的世界里,事情不应该这么麻烦。

Requests 使用的是 urllib3,因此继承了它的所有特性。Requests 支持 HTTP 连接保持和连接池,支持使用 cookie 保持会话,支持文件上传,支持自动确定响应内容的编码,支持国际化的 URL 和 POST 数据自动编码。现代、国际化、人性化。

(以上转自Requests官方文档

导入Requests模块。

2.插入代码:访问Google网页

# -*- coding: utf-8 -*-
"""
Spyder Editor

This is a temporary script file.
"""
import requests
def getHTMLText(ur1):
    try:
        r=requests.get(ur1,timeout=30)
        r.raise_for_status() #如果状态不是200,引发异常
        r.encoding='utf-8'#无论原来用什么编码,都改成utf-8
        return r.text
    except:
        return""
ur1="http://www.Google.com"
for i in range(20):
    print(getHTMLText(ur1))

运行结果如下:

(好像访问不了哦。)

 爬取中国大学排名(2017年)

1.插入代码

 

import requests
from bs4 import BeautifulSoup
allUniv = []
def getHTMLText(url):
    try:
        r = requests.get(url, timeout=30)
        r.raise_for_status()
        r.encoding = 'utf-8'
        return r.text
    except:
        return ""
def fillUnivList(soup):
    data = soup.find_all('tr')
    for tr in data:
        ltd = tr.find_all('td')
        if len(ltd)==0:
            continue
        singleUniv = []
        for td in ltd:
            singleUniv.append(td.string)
        allUniv.append(singleUniv)
def printUnivList(num):
    print("{1:^2}{2:{0}^10}{3:{0}^6}{4:{0}^4}{5:{0}^10}".format(chr(12288),"排名","学校名称","省市","总分","培养规模"))
    for i in range(num):
        u = allUniv[i]
        print("{1:^4}{2:{0}^10}{3:{0}^5}{4:{0}^8.1f}{5:{0}^10}".format(chr(12288),u[0],u[1],u[2],eval(u[3]),u[6]))
def main():
    url = 'http://www.zuihaodaxue.com/zuihaodaxuepaiming2017_0.html'
    html = getHTMLText(url)
    soup = BeautifulSoup(html, "html.parser")
    fillUnivList(soup)
    printUnivList(10)
main()

 

2.运行结果。

 

抱歉初学者出现问题了,应该是那个网站的2017那个网页的代码有错误,代码没错。

 

标签:10,return,goole,爬虫,getHTMLText,中国大学,Requests,requests,def
来源: https://www.cnblogs.com/LuDuo/p/10652386.html