Erlo

Python爬取中国大学排名,并且保存到excel中

时间:2020-09-16   阅读:12次   来源:博客园
页面报错
点赞

前言

以下文章来源于数据分析和Python ,作者冈坂日川

Python爬取中国大学排名,并且保存到excel中

 

今天发的是python爬虫爬取中国大学排名,并且保存到excel中,当然这个代码很简单,我用了半小时就写完了,我的整体框架非常清晰,可以直接拿去用,也希望有小白可以学习到关于爬虫的一些知识,当然我也只是在学习中,有不好的地方还麻烦大佬们指正!谢谢!

Python爬取中国大学排名,并且保存到excel中

 

爬取中国大学排名

URL : http://m.gaosan.com/gaokao/265440.html

request 获取 html
beautiful soup 解析网页re 正则表达式匹配内容新建并保存 excel

  1from bs4 import BeautifulSoup  # 网页解析  获取数据
  2import re  # 正则表达式 进行文字匹配
  3import urllib.request, urllib.error  # 制定url 获取网页数据
  4import xlwt
  5
  6def main():
  7    baseurl = "http://m.gaosan.com/gaokao/265440.html"
  8    # 1爬取网页
  9    datalist = getData(baseurl)
 10    savepath = "中国大学排名.xls"
 11    saveData(datalist,savepath)
 12
 13# 正则表达式
 14paiming = re.compile(r'<td>(.*)</td><td>.*</td><td>.*</td><td>.*</td><td>.*</td>')  # 创建超链接正则表达式对象,表示字符串模式,规则
 15xuexiao = re.compile(r'<td>.*</td><td>(.*)</td><td>.*</td><td>.*</td><td>.*</td>')
 16defen   = re.compile(r'<td>.*</td><td>.*</td><td>(.*)</td><td>.*</td><td>.*</td>')
 17xingji  = re.compile(r'<td>.*</td><td>.*</td><td>.*</td><td>(.*)</td><td>.*</td>')
 18cengci  = re.compile(r'<td>.*</td><td>.*</td><td>.*</td><td>.*</td><td>(.*)</td>')
 19
 20# 爬取网页
 21def getData(baseurl):
 22    datalist = []
 23    html = askURL(baseurl)  # 保存获取到的网页源码
 24    # print(html)
 25    #【逐一】解析数据  (一个网页就解析一次)
 26    soup = BeautifulSoup(html, "html.parser")  # soup是解析后的树形结构对象
 27    for item in soup.find_all('tr'):  # 查找符合要求的字符串形成列表
 28        # print(item)    #测试查看item全部
 29        data = []  # 保存一个学校的所有信息
 30        item = str(item)
 31        #排名
 32        paiming1 = re.findall(paiming, item)  # re正则表达式查找指定字符串 0表示只要第一个 前面是标准后面是找的范围
 33        # print(paiming1)
 34        if(not paiming1):
 35            pass
 36        else:
 37            print(paiming1[0])
 38            data.append(paiming1)
 39        if(paiming1 in data):
 40            #学校名字
 41            xuexiao1 = re.findall(xuexiao, item)[0]
 42            # print(xuexiao1)
 43            data.append(xuexiao1)
 44            #得分
 45            defen1 = re.findall(defen, item)[0]
 46            # print(defen1)
 47            data.append(defen1)
 48            #星级
 49            xingji1 = re.findall(xingji, item)[0]
 50            # print(xingji1)
 51            data.append(xingji1)
 52            #层次
 53            cengci1 = re.findall(cengci, item)[0]
 54            # print(cengci1)
 55            data.append(cengci1)
 56            # print('-'*80)
 57        datalist.append(data)  # 把处理好的一个学校信息放入datalist中
 58    return datalist
 59
 60
 61# 得到指定一个url网页信息内容
 62def askURL(url):
 63    # 我的初始访问user agent
 64    head = {  # 模拟浏览器头部信息,向豆瓣服务器发送消息 伪装用的
 65        "User-Agent": "Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/80.0.3987.116 Safari/537.36"
 66    }
 67    # 用户代理表示告诉豆瓣服务器我们是什么类型的机器--浏览器  本质是告诉浏览器我们可以接受什么水平的文件内容
 68    request = urllib.request.Request(url, headers=head)  # 携带头部信息访问url
 69    # 用request对象访问
 70    html = ""
 71    try:
 72        response = urllib.request.urlopen(request)  # 用urlopen传递封装好的request对象
 73        html = response.read().decode("utf-8")  # read 读取 可以解码 防治乱码
 74        # print(html)
 75    except urllib.error.URLError as e:
 76        if hasattr(e, "code"):
 77            print(e.code)  # 打印错误代码
 78        if hasattr(e, "reason"):
 79            print(e.reason)  # 打印错误原因
 80    return html
 81
 82
 83# 3保存数据
 84def saveData(datalist, savepath):
 85    book = xlwt.Workbook(encoding="utf-8", style_compression=0)  # 创建workbook对象   样式压缩效果
 86    sheet = book.add_sheet('中国大学排名', cell_overwrite_ok=True)  # 创建工作表  一个表单  cell覆盖
 87    for i in range(0, 640):
 88        print("第%d条" % (i + 1))
 89        data = datalist[i]
 90        # print(data)
 91        for j in range(0, 5):  # 每一行数据保存进去
 92            sheet.write(i , j, data[j])  # 数据
 93    book.save(savepath)  # 保存数据表
 94
 95
 96#主函数
 97if __name__ == "__main__":  # 当程序执行时
 98    # #调用函数     程序执行入口
 99    main()
100    # init_db("movietest.db")
101    print("爬取完毕!")

 

 

具体实现效果如下

Python爬取中国大学排名,并且保存到excel中

 

一共600多条数据

Python爬取中国大学排名,并且保存到excel中

 

具体的过程在代码中也已经清晰的标注好备注,如有不懂可以留言,如果改进的地方,麻烦大佬们指正,谢谢!

 

相关推荐

提交留言

评论留言

还没有评论留言,赶紧来抢楼吧~~

吐槽小黑屋()

* 这里是“吐槽小黑屋”,所有人可看,只保留当天信息。

  • Erlo吐槽

    Erlo.vip2020-09-27 08:41:50Hello、欢迎使用吐槽小黑屋,这就是个吐槽的地方。
  • 返回顶部