Python怎么爬取中国大学排名并且保存到excel中

Python怎么爬取中国大学排名并且保存到excel中，很多新手对此不是很清楚，为了帮助大家解决这个难题，下面小编将为大家详细讲解，有这方面需求的人可以来学习下，希望你能有所收获。

前言

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！

爬取中国大学排名

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

request 获取 htmlbeautiful 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'(.*).*.*.*.*')  # 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'.*(.*).*.*.*') 16defen   = re.compile(r'.*.*(.*).*.*') 17xingji  = re.compile(r'.*.*.*(.*).*') 18cengci  = re.compile(r'.*.*.*.*(.*)') 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

一共600多条数据

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！

看完上述内容是否对您有帮助呢？如果还想对相关知识有进一步的了解或阅读更多相关文章，请关注行业资讯频道，感谢您对的支持。