1.python爬虫实战：爬取数据实战【Python】（测试代码+api例程）_python静态 爬虫数据

---

欢迎关注 『Python』 系列，持续更新中
欢迎关注 『Python』 系列，持续更新中

适合有一定的基础xpath知识基础的同学练手使用，最后的数据输出格式化大家还可以再美化下，本次关键是爬虫。

API说明：

“%10s %10s %10s” % (“名称”, “分数”, “城市”)
让字符串占位10个位置，占位格式化输出

resp.encoding = ‘utf-8’
一定要加上这句编码格式设定为utf-8，否则会乱码。
不加编码格式会出现下图的情况：

name = tr.xpath(“./td[2]/div/div[2]/div[1]/div/div/a/text()”)[0].replace(" “, “”).replace(”\n", “”)
获取指定xpath节点的文本，取得列表第一项，replace格式化掉多于的空格和换行符

思路

• 导入必要的包

import requests
from lxml import etree
1
2

• 根据url获取页面源码并提取和解析数据（注意，这里一定要记得转化编码格式，否则会乱码！！！）

url = "https://www.shanghairanking.cn/rankings/bcur/2021"
resp = requests.get(url)# 拿到页面源代码
resp.encoding = 'utf-8'  # 一定要加上这句编码格式设定，否则会乱码。
html = etree.HTML(resp.text)# 提取和解析数据
1
2
3
4

• 拿到所有学校的数据集合（这里末尾的tr[1]表示取第一个学校，改成tr后表示取所有的tr也就是取所有的学校）,这样方便后续的循环for遍历，类似先找到所有对象的集合，然后对每个对象进行统一的提取信息操作

tbody = html.xpath("/html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr")
1

• 取出信息并且装入result列表，二层列表嵌套

result = []
for tr in tbody:  # 每一个学校信息
    ls = []
    name = tr.xpath("./td[2]/div/div[2]/div[1]/div/div/a/text()")[0].replace(" ", "").replace("\n", "")#学校名
    mark = tr.xpath("./td[5]/text()")[0].replace(" ", "").replace("\n", "")#学校分数
    city = tr.xpath("./td[3]/text()")[0].replace(" ", "").replace("\n", "")#学校城市
    ls.append(name)
    ls.append(mark)
    ls.append(city)
    result.append(ls)
1
2
3
4
5
6
7
8
9
10

注意事项

1. 一定要加上这句编码格式设定为utf-8，否则会乱码。
2. 使用复制完整的xpath路径，新手入门建议

---

完整代码

# @Time    : 2022/5/18 20:02
# @Author  : 南黎
# @FileName: qwe.py
import requests
from lxml import etree

url = "https://www.shanghairanking.cn/rankings/bcur/2021"
resp = requests.get(url)# 拿到页面源代码
resp.encoding = 'utf-8'  # 一定要加上这句编码格式设定，否则会乱码。
html = etree.HTML(resp.text)# 提取和解析数据

# 拿到所有学校的数据集合/html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr
# 某个学校的名字   /html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr[1]/td[2]/div/div[2]/div[1]/div/div/a
# 某个学校的分数   /html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr[1]/td[5]
# 某个学校的城市   /html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr[1]/td[3]/text()

#拿到所有学校的数据集合,这样方便后续的循环for遍历，类似先找到所有对象的集合，然后对每个对象进行统一的提取信息操作
tbody = html.xpath("/html/body/div/div/div/div[2]/div/div[3]/div[2]/div[1]/div/div[2]/table/tbody/tr")
result = []
for tr in tbody:  # 每一个学校信息
    ls = []
    name = tr.xpath("./td[2]/div/div[2]/div[1]/div/div/a/text()")[0].replace(" ", "").replace("\n", "")#学校名
    mark = tr.xpath("./td[5]/text()")[0].replace(" ", "").replace("\n", "")#学校分数
    city = tr.xpath("./td[3]/text()")[0].replace(" ", "").replace("\n", "")#学校城市
    ls.append(name)
    ls.append(mark)
    ls.append(city)
    result.append(ls)

print("%10s %10s %10s" % ("名称", "分数", "城市"))
for i in result:
    print("%10s %10s %12s" % (i[0], i[1], i[2]))#占位输出，这里后续可以继续优化，但是本题重点是爬虫，不再过度深究
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

---

总结

大家喜欢的话，给个